Thermoelectric properties of Ni0.05Mo3Sb5.4Te1.6 composites with NiSb nanocoating
Notice bibliographique
Résumé
NiSb nanoparticles by 0.034, 0.074 and 0.16 volume fractions were successfully coated on bulk polycrystalline Ni0.05Mo3Sb5.4Te1.6 thermoelectric (TE) particles through a solvothermal route without deteriorating the bulk Ni0.05Mo3Sb5.4Te1.6 material. The samples were consolidated through hot pressing and their thermoelectric (TE) properties were characterized. At 400 K, 500 K, and 600 K, 0.074 NiSb sample exhibited 22%, 16% and 11.3% increases in the power factor (P.F.) compared to bulk material. The main contributing factor to this enhanced power factor is the elevated electrical conductivity. For the same sample, the reciprocal relationship between Seebeck coefficient and electrical conductivity is decoupled. Sample 0.16 NiSb exhibited the highest electrical conductivity among the three samples. The thermal conductivity of the 0.16 sample was less temperature sensitive compared to other samples. HRTEM and SEM tools were applied to comprehend microstructural features and their relationship to TE transport properties. Pore effect on the thermal and electrical conductivity was elucidated. This study shows that grain-boundary manipulation via this wet chemistry technique is indeed an economically viable method to fabricate and optimize the transport properties of bulk TE 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 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 | 0,001 |
| 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 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 ».