MétaCan
Menu
Retour à la cohorte
Enregistrement W2770400125 · doi:10.3390/polym9120642

Low-Cost Carbon Fillers to Improve Mechanical Properties and Conductivity of Epoxy Composites

2017· article· en· W2770400125 sur OpenAlexaff
Aamer Khan, Patrizia Savi, Simone Quaranta, Massimo Rovere, Mauro Giorcelli, Alberto Tagliaferro, Carlo Rosso, Charles Q. Jia

Notice bibliographique

RevuePolymers · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensUniversity of TorontoOntario Tech University
Organismes subventionnairesHorizon 2020 Framework Programme
Mots-clésMaterials scienceEpoxyComposite materialBiocharCarbon nanotubeUltimate tensile strengthCarbon blackFiller (materials)Carbon fibersComposite numberPyrolysisChemical engineeringNatural rubber

Résumé

récupéré en direct d'OpenAlex

In recent years, low-cost carbons derived from recycled materials have been gaining attention for their potentials as filler in composites and in other applications. The electrical and mechanical properties of polymer composites can be tuned using different percentages and different kind of fillers: either low-cost (e.g., carbon black), ecofriendly (e.g., biochar), or sophisticated (e.g., carbon nanotubes). In this work, the mechanical and electrical behavior of composites with biochar and multiwall carbon nanotubes dispersed in epoxy resin are compared. Superior mechanical properties (ultimate tensile strength, strain at break) were noticed at low heat-treated biochar (concentrations 2⁻4 wt %). Furthermore, dielectric properties in the microwave range comparable to low carbon nanotubes loadings can be achieved by employing larger but manageable amounts of biochar (20 wt %), rending the production of composites for structural and functional application cost-effective.

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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,029
Tête enseignante GPT0,259
Écart entre enseignants0,230 · 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

Citations113
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetCarbon Nanotubes in CompositesTravaux en français237 207