Enhanced Thermal Conductivity of Graphene Nanoplatelet–Polymer Nanocomposites Fabricated via Supercritical Fluid-Assisted in Situ Exfoliation
Notice bibliographique
Résumé
As electronic devices become increasingly miniaturized, their thermal management becomes critical. Efficient heat dissipation guarantees their optimal performance and service life. Graphene nanoplatelets (GnPs) have excellent thermal properties that show promise for use in fabricating commercial polymer nanocomposites with high thermal conductivity. Herein, an industrially viable technique for manufacturing a new class of lightweight GnP–polymer nanocomposites with high thermal conductivity is presented. Using this method, GnP−high-density polyethylene (HDPE) nanocomposites with a microcellular structure are fabricated by melt mixing, which is followed by supercritical fluid (SCF) treatment and injection molding foaming, which adds an extra layer of design flexibility. Thus, the microstructure is tailored within the nanocomposites and this improves their thermal conductivity. Therefore, the SCF-treated HDPE 17.6 vol % GnP microcellular nanocomposites have a solid-phase thermal conductivity of 4.13 ± 0.12 W m –1 K –1 . This value far exceeds that of their regular injection-molded counterparts (2.09 ± 0.03 W m –1 K –1 ) and those reported in the literature. This dramatic improvement results from in situ GnPs’ exfoliation and dispersion, and from an elevated level of random orientation and interconnectivity. Thus, this technique provides a novel approach to the development of microscopically tailored structures for the production of lighter and more thermally conductive heat sinks for next generations of miniaturized electronic devices.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».