Thermoelectric Nanocomposite Foams Using Non-Conducting Polymers with Hybrid 1D and 2D Nanofillers
Notice bibliographique
Résumé
A facile processing strategy to fabricate thermoelectric (TE) polymer nanocomposite foams with non-conducting polymers is reported in this study. Multilayered networks of graphene nanoplatelets (GnPs) and multi-walled carbon nanotubes (MWCNTs) are deposited on macroporous polyvinylidene fluoride (PVDF) foam templates using a layer-by-layer (LBL) assembly technique. The open cellular structures of foam templates provide a platform to form segregated 3D networks consisting of one-dimensional (1D) and/or two-dimensional (2D) carbon nanoparticles. Hybrid nanostructures of GnP and MWCNT networks synergistically enhance the material system’s electrical conductivity. Furthermore, the polymer foam substrates possess high porosity to provide ultra-low thermal conductivity without compromising the electrical conductivity of the TE nanocomposites. With an extremely low GnP loading (i.e., ~1.5 vol.%), the macroporous PVDF nanocomposites exhibit a thermoelectric figure-of-merit of ~10−3. To the best of our knowledge, this ZT value is the highest value reported for organic TE materials using non-conducting polymers and MWCNT/GnP nanofillers. The proposed technique represents an industrially viable approach to fabricate organic TE materials with enhanced energy conversion efficiencies. The current study demonstrates the potential to develop light-weight, low-cost, and flexible TE materials for green energy generation.
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) | 0,001 | 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 | 0,001 |
| 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 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 ».