Enhancement of thermoelectric conversion efficiency of polymer/carbon nanotube nanocomposites through foaming‐induced microstructuring
Notice bibliographique
Résumé
ABSTRACT Semiconducting‐based materials such as bismuth antimony are current thermoelectric (TE) materials of choice because of their superior TE efficiency, which can be characterized by the dimensionless figure of merit (ZT). However, factoring the cost, weight, and environmental concerns, polymeric TE material systems have become attractive alternatives despite their lower ZT values. The potential to tailor the flexibility of polymeric TE materials also represent another key advantage, especially for wearable electronics. One of the key challenges to enhance their ZT values is the need to simultaneously increase the electrical conductivity and the Seebeck coefficient, while supressing the thermal conductivity. In this research, physical foaming is suggested as an innovative and effective processing strategy to circumvent this challenge. Multi‐walled carbon nanotube (MWCNT)/high density polyethylene (HDPE) nanocomposite foams were fabricated as a case example. Experimental results showed that introducing cellular structures in MWCNT/HDPE nanocomposites, loaded with 15 wt % MWCNT, would result in a 600‐fold increase in their ZT values. This great improvement was achieved through significantly reducing their effective thermal conductivity, while simultaneously increasing their electrical conductivity and Seebeck coefficients. The findings have proven that foaming can serve as a novel strategy to enhance the efficiency of various polymeric TE materials. © 2017 Wiley Periodicals, Inc. J. Appl. Polym. Sci. 2017 , 134 , 45073.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».