Fabrication of High Content Carbon Nanotube–Polyurethane Sheets with Tailorable Properties
Notice bibliographique
Résumé
We have fabricated carbon nanotube (CNT)-polyurethane (TPU) sheets via a one-step filtration method that uses a TPU solvent/nonsolvent combination. This solution method allows for control of the composition and processing conditions, significantly reducing both the filtration time and the need for large volumes of solvent to debundle the CNTs. Through an appropriate selection of the solvents and tuning the solvent/nonsolvent ratio, it is possible to enhance the interaction between the CNTs and the polymer chains in solution and improve the CNT exfoliation in the nanocomposites. The composition of the nanocomposites, which defines the characteristics of the material and its mechanical properties, can be precisely controlled. The highest improvements in tensile properties were achieved at a CNT:TPU weight ratio around 35:65 with a Young's modulus of 1270 MPa, stress at 50% strain of 35 MPa, and strength of 41 MPa, corresponding to ∼10-fold improvement in modulus and ∼7-fold improvement in stress at 50% strain, while maintaining a high failure strain. At the same composition, CNTs with higher aspect ratio produce nanocomposites with greater improvements (e.g., strength of 99 MPa). Electrical conductivity also shows a maximum near the same composition, where it can exceed the values achieved for the pristine nanotube buckypaper. The trend in mechanical and electrical properties was understood in terms of the CNT-TPU interfacial interactions and morphological changes occurring in the nanocomposite sheets as a function of increasing the TPU content. The availability of such a simple method and the understanding of the structure-property relationships are expected to be broadly applicable in the nanocomposites field.
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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».