Phonon Conductivity of Nanoparticles Embedded in Dielectric Material
Notice bibliographique
Résumé
A theory of the thermal conductivity has been developed for nanomaterials made by embedding nanoparticles in a host dielectric material. The phonon dispersion relation has been calculated using the transfer matrix method in the long‐range approximation, where the phonon wavelength is larger than the size of the nanoparticle. We found that these nanomaterials have two phonon branches known as ‐phonon and ‐phonon branches. For both phonon branches, the density of states and the phonon velocity are calculated. The thermal conductivity is evaluated with the Kubo formalism and the Green's function method for both ‐phonon and ‐phonon branches. It is also found that the density of states, phonon velocity and thermal conductivity for both phonon branches depend on the size of the nanoparticles, spacing between nanoparticles, and the phonon refractive index of the nanoparticles and the host material. In the long wave approximation, expressions of the phonon conductivity, the density of states and the phonon velocity have very simple forms which can be used by experimentalists to explain their experiments or plan new experiments. We have also applied our theory to explain the experimental thermal conductivity data of silica‐resin, alumina‐resin, AlN‐resin and CaO‐polyethylene nanomaterials. A good agreement between theory and experiments is achieved. Our results furthermore illustrate that one can fabricate new types of nanomaterials with high and low thermal conductivity by adjusting the refractive index contrast between nanoparticles and the host material. These are very novel and interesting properties and they can be used to fabricate new types of thermal 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 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) | 0,001 | 0,001 |
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.
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 ».