Improving the electrical conductivity of multi-phase polymer composites via plasticizer assisted nanoparticle dispersion
Notice bibliographique
Résumé
It is well-known that electrically conductive polymer composites can be fabricated via incorporating highly conductive fillers such as carbon fibres (CFs) and carbon nanotubes (CNTs) into a polymer system through either melt blending or solvent casting method. Nevertheless, one of the greatest challenges lies in the proper particle dispersion to achieve a low percolation threshold and high conductivity performance. Recently, it was found that CNTs have phasesensitive localization property when incorporated in a composite system formed by two immersible phases, such as polylactic acid (PLA) and thermoplastic polyurethane (TPU). As a result, composites with ultra-low percolation threshold can be formed by tuning the ratio of the two polymer phases. In this study, we reported that such property can be further enhanced via the introduction of a small amount of plasticizer into the polymer system. It was observed that the incorporation of poly(ethylene glycol) (PEG) affected the immiscibility of the two polymer matrix as significant changes in morphologies and thermal behaviours were also detected. Finally, by adding 5 wt% PEG, the electrical conductivity for sample contacting 2.5 wt% CNT increased from to 6.8x10-6 to 3.6x10-4 S/cm. Such results suggest that plasticizer is an effective agent for improving particle distribution and conductivity enhancement.
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 | 0,000 |
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 ».