MétaCan
Menu
Retour à la cohorte
Enregistrement W2941909536 · doi:10.1002/pc.25270

Poly(dimethylsiloxane)/Cu/Ag nanocomposites: Electrical, thermal, and mechanical properties

2019· article· en· W2941909536 sur OpenAlexaff
Shamim Aramesh, Ali Doostmohammadi, Pouya Rezai

Notice bibliographique

RevuePolymer Composites · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceNanocompositeComposite materialUltimate tensile strengthPercolation thresholdMicrochannelElectrical resistivity and conductivityPolymerThermal conductivityModulusPolydimethylsiloxaneNanotechnology

Résumé

récupéré en direct d'OpenAlex

Multifunctional materials are urgently required for sensing and actuation purposes in microfluidic devices. In this study, poly(dimethylsiloxane) (PDMS) filled with Cu and Ag nanoparticles was prepared and its electrical conductivity (EC), thermal conductivity (TC), and mechanical properties were investigated. EC investigations showed that all the prepared compositions had a nearly similar percolation threshold of around 10 vol% of filler. However, the EC of nanocomposites filled with both Cu and Ag (PDMS/Cu/Ag) was about 1.8 S/cm, which was 200% higher compared with that of other compositions (0.3 and 0.6 S/cm). TC was found to undergo profound increase of 10.5‐fold (1.68 W.m −1 .K −1 for PDMS/Cu/Ag) when compared with that of the insulating base polymer (0.16 W.m −1 .K −1 ). Evaluation of mechanical properties demonstrated that Young's modulus of PDMS increased by 270% after adding the filler content, but the tensile strength showed a notable reduction of 12%. The final result of this study showed that PDMS/Cu/Ag nanocomposites could be considered as a suitable novel material in microchannel preparation and microfluidic devices. POLYM. COMPOS., 40:4093–4101, 2019. © 2019 Society of Plastics Engineers

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,201
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymer CompositesMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207