MétaCan
Menu
Retour à la cohorte
Enregistrement W2735106712 · doi:10.1002/pat.4114

Surface modification of multiwall carbon nanotubes and its effect on mechanical and through‐plane electrical resistivity of PEMFC bipolar plate nanocomposites

2017· article· en· W2735106712 sur OpenAlexafffund
Nafaa Athmouni, Frej Mighri, Saïd Elkoun

Notice bibliographique

RevuePolymers for Advanced Technologies · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversité de SherbrookeUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceCarbon nanotubeComposite materialSurface modificationNanocompositePolyvinylidene fluorideGraphiteElectrical resistivity and conductivityProton exchange membrane fuel cellCarbon blackChemical engineeringPolymerFuel cells

Résumé

récupéré en direct d'OpenAlex

In this work, we showed how the functionalization of multiwall carbon nanotubes (MWCNT) by nitric acid (HNO3) and their predispersion into poly (butylene terephthalate) (PBT) improved the through‐plane electrical conductivity and mechanical properties of co‐continuous morphology polyvinylidene fluoride (PVDF)/poly (ethylene terephthalate) (PET)/carbon black (CB)/graphite (GR)/MWCNT nanocomposites. First, when MWCNT were functionalized with HNO3 then premixed with PBT, they showed no aggregations inside the PBT matrix due to their improved interfacial interactions and chemical compatibility with the PBT matrix. Then, when PBT/(HNO3‐functionalized MWCNT) mixture was added in small quantities to (PET/PVDF)/(CB/GR) composites, it decreased significantly their through‐plane resistivity and enhanced their impact and flexural properties. Its synergistic effect also led to the best proton exchange membrane fuel cell bipolar plate prototypes (smoother surface, without any cracks).

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: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,002

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,246
Écart entre enseignants0,235 · 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

Citations18
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolymers for Advanced TechnologiesMême sujetFuel Cells and Related MaterialsTravaux en français237 207