Graphite Nanoplatelets Produced by Oxidation and Thermal Exfoliation of Graphite and Electrical Conductivities of Their Epoxy Composites
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
Graphite nanoplatelets were produced by sonication of thermally reduced graphite oxide produced from three precursor graphites. The thicknesses of the resulting graphite nanoplatlets were measured by X-ray diffraction and transmission electron microscopy. The type and size of the precursor graphite plays an important role in the final graphite nanoplatelet quality. The thinnest graphite nanoplatelets (average thickness of 4-7 nm) were obtained from Sri Lankan powdered graphite (average particle size of 0.1-0.2 mm). Thicker graphite nanoplatelets (average thickness of 30-60 nm), were obtained from a Canadian graphite (with an average flake size of 0.5-2 mm). Graphite nanoplatelets obtained by acid intercalation of Sri Lankan graphite were much thicker (an average thickness of 150 nm). Graphite nanoplatelet/epoxy composites containing 4 wt.% graphite nanoplatelets derived from Canadian or Sri Lankan natural graphite have electrical conductivities significantly above the percolation conductivity threshold. In contrast, corresponding composites, produced with (4 wt.%) commercial graphite nanoplatelets, either as-received or re-exfoliated, were electrically insulating. This behaviour is attributed to the highly wrinkled morphology, folded edges and abundant surface functional groups of the commercial graphite nanoplatelets. Thermal reduction of graphite oxide produced from natural flake graphite is therefore a promising route for producing graphite nanoplatelets fillers for electrically-conducting polymer composites.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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