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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,002 | 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 ».