MétaCan
Menu
Retour à la cohorte
Enregistrement W2522296510 · doi:10.1002/app.44255

Carbon nanotubes from renewable feedstocks: A move toward sustainable nanofabrication

2016· article· en· W2522296510 sur OpenAlexafffund
Singaravelu Vivekanandhan, Makoto Schreiber, S. Muthuramkumar, Manjusri Misra, Amar K. Mohanty

Notice bibliographique

RevueJournal of Applied Polymer Science · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensUniversity of Guelph
Organismes subventionnairesMinistero dello Sviluppo EconomicoMinistry of Agriculture, Food and Rural AffairsNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Agriculture, Food and Rural Affairs
Mots-clésRenewable energyBiorefineryCarbon nanotubeRenewable resourceCarbon fibersNanotechnologyEnvironmental scienceMaterials scienceWaste managementBiofuelEngineeringComposite numberComposite material

Résumé

récupéré en direct d'OpenAlex

ABSTRACT A recent development in the manufacturing of carbon nanotubes is the usage of renewable feedstocks as a carbon source. This new development is receiving much support and is a source of excitement among the global research communities due to the positive environmental impacts, reduced carbon footprints, and economic benefits. Various types of renewable feedstocks such as vegetable oils, plant derivatives, and other types of biomasses have been used for the green synthesis of carbon nanotubes by employing conventional fabrication techniques. As the global demand increases for green manufacturing, efforts to synthesize carbon nanotubes from renewable resources are receiving immense attention while also strengthening the concept of biorefinery. This also enables the efficient use of resources as well as improved waste management. The present review summarizes the recent developments and current status of the synthesis of carbon nanotubes using renewable feedstocks along with technical discussions, opportunities for novel precursors, and future directions. © 2016 Wiley Periodicals, Inc. J. Appl. Polym. Sci.2017,134, 44255.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,227
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations78
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Polymer ScienceMême sujetCarbon Nanotubes in CompositesTravaux en français237 207