Enhanced electromagnetic interference shielding effectiveness of hybrid fillers by segregated structure
Notice bibliographique
Résumé
Polymer nanocomposites seem to be promising candidate for the electromagnetic interference (EMI) shielding material because of its loss cost, lightweight, flexibility, and ease of production. However, to achieve high shielding, there are concerns about the nanofiller concentration and dispersion of nanofillers in the polymer matrix. To overcome this issue, implementing the effective filler dispersion technique by segregated structure were investigated. In this study using miscible mixing and precipitation method (MSMP), polystyrene (PS) matrix was fabricated by incorporation of multiwall carbon nanotubes (CNT) as primary filler and nickel nanowires (NiNW) or zinc oxide nanowires (ZnONW) as secondary filler. Preparing a hybrid structure of the dielectric/magnetic nanofiller along with CNT led to significant increase in EMI shielding effectiveness (SE) when compared to the single filler systems. For instance, PS/2.0vol% CNT nanocomposites showed EMI SE of about 16.6dB (in X-band frequency) for 1.1 mm thick shield. By adding 0.5vol% of the secondary filler either NiNW or ZnONW, it enhanced the EMI SE to 23.2dB and 24.0dB respectively. This excellent EMI SE of the hybrid nanocomposites was attributed to both selectively distributed conductive nanofillers in a segregated structure and excellent magnetic/dielectric properties of the synthesized NiNW/ZnONW, respectively. Details of the dielectric loss mechanisms for the architectures were studied. Besides achieving reliable dielectric properties, CNT/NiNW or CNT/ZnONW nanocomposite shield can be prepared with low thickness and low filler content, making them useful for various shielding applications.
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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».