Strong Graphene 3D Assemblies with High Elastic Recovery and Hardness
Notice bibliographique
Résumé
The rational design and construction of 3D graphene assemblies is a crucial step to extend the graphene properties for practical applications. Here, a novel interfacially reactive self-assembling process is reported to prepare well-organized 3D honeycomb-like graphene assemblies with unique polygonal nanopores interconnected by silicon-oxygen chemical bonds. The newly developed silicate-bridged graphene assembly (SGA) exhibits an exceptionally high hardness of 13.09 GPa, outperforming all existing 3D graphene materials, while maintains high Young's modulus (162.96 GPa), elastic recovery (75.27%), and superb thermal stability (600 °C in air). The observed unusual merits are resulted from unique pore structure combining the mechanical stability of the trihedral-nanopore structure and the deformability of the other polygonal nanopores. As a filling material, a merely 0.05% (w/w) addition of SGA could double the impact resistance of unsaturated resins (e.g., polyester). While SGA is attractive for various applications, including body armors, wearable electronics, space elevators, and multifunctional reinforcement fibers for automobiles, and aerospace vehicles, the novel liquid sodium-water interfacial reactive self-assembling developed in this study could open avenues for further development of various well-defined 3D assemblies from graphene and many other materials.
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 | 0,001 |
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 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 ».