Carbon Nanotube versus Graphene Nanoribbon: Impact of Nanofiller Geometry on Electromagnetic Interference Shielding of Polyvinylidene Fluoride Nanocomposites
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The similar molecular structure but different geometries of the carbon nanotube (CNT) and graphene nanoribbon (GNR) create a genuine opportunity to assess the impact of nanofiller geometry (tube vs. ribbon) on the electromagnetic interference (EMI) shielding of polymer nanocomposites. In this regard, GNR and its parent CNT were melt mixed with a polyvinylidene fluoride (PVDF) matrix using a miniature melt mixer at various nanofiller loadings, i.e., 0.3, 0.5, 1.0 and 2.0 wt%, and then compression molded. Molecular simulations showed that CNT would have a better interaction with the PVDF matrix in any configuration. Rheological results validated that CNTs feature a far stronger network (mechanical interlocking) than GNRs. Despite lower powder conductivity and a comparable dispersion state, it was interestingly observed that CNT nanocomposites indicated a highly superior electrical conductivity and EMI shielding at higher nanofiller loadings. For instance, at 2.0 wt%, CNT/PVDF nanocomposites showed an electrical conductivity of 0.77 S·m−1 and an EMI shielding effectiveness of 11.60 dB, which are eight orders of magnitude and twofold higher than their GNR counterparts, respectively. This observation was attributed to their superior conductive network formation and the interlocking ability of the tubular nanostructure to the ribbon-like nanostructure, verified by molecular simulations and rheological assays.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,004 | 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 découle