Understanding Hydrothermally Reduced Graphene Oxide Hydrogels: From Reaction Products to Hydrogel Properties
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We studied the chemical processes that take place during hydrothermal gelation of graphene oxide (GO), quantifying the reaction products generated during hydrothermal reduction. The gelation proceeds with disproportionation of GO yielding a large amount of CO 2 (about a quarter of the original mass of GO), organic acidic fragments, and CO. The CO 2 that is formed is trapped in the hydrogel creating macroscopic voids which can lead to cracking of the hydrogel during compression. We were able to quantify the amount of CO 2 produced in situ by adding ammonia during the synthesis, and converting CO 2 into ionic carbonate species that we could easily quantify by titration. We used titration to evaluate the formation of organic acidic fragments too and evaluated the amount of H 2 O and CO produced by thermogravimetric analysis and mass balance. The conversion of CO 2 into ionic species allowed us to produce void-free hydrogels which remain structurally stable after extensive compression. However, such hydrogels on average showed lower mechanical strength and electrical conductivity than the hydrogels with voids. This is a result of the difference in chemistry and morphology between hydrogels reduced under acidic pH and basic pH. Our work provides for the first time a clear quantitative estimate of CO 2 evolution and organic fragment formation during hydrothermal reduction of GO, an overall picture of the reaction products, and a deepened understanding of the conditions that can be used to prepare stronger and more conductive graphene hydrogels and aerogels.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle