Role of Hydrogen in High-Yield Growth of Boron Nitride Nanotubes at Atmospheric Pressure by Induction Thermal Plasma
Notice bibliographique
Résumé
We recently demonstrated scalable manufacturing of boron nitride nanotubes (BNNTs) directly from hexagonal BN (hBN) powder by using induction thermal plasma, with a high-yield rate approaching 20 g/h. The main finding was that the presence of hydrogen is crucial for the high-yield growth of BNNTs. Here we investigate the detailed role of hydrogen by numerical modeling and in situ optical emission spectroscopy (OES) and reveal that both the thermofluidic fields and chemical pathways are significantly altered by hydrogen in favor of rapid growth of BNNTs. The numerical simulation indicated improved particle heating and quenching rates (∼10 5 K/s) due to the high thermal conductivity of hydrogen over the temperature range of 3500–4000 K. These are crucial for the complete vaporization of the hBN feedstock and rapid formation of nanosized B droplets for the subsequent BNNT growth. Hydrogen is also found to extend the active BNNT growth zone toward the reactor downstream, maintaining the gas temperature above the B solidification limit (∼2300 K) by releasing the recombination heat of H atoms, which starts at 3800 K. The OES study revealed that H radicals also stabilize B or N radicals from dissociation of the feedstock as BH and NH radicals while suppressing the formation of N 2 or N 2 + species. Our density functional theory calculations showed that such radicals can provide faster chemical pathways for the formation of BN compared with relatively inert N 2 .
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 | 0,000 | 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) | 0,000 | 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 ».