Direct 3D Printing of Hybrid Nanofiber-Based Nanocomposites for Highly Conductive and Shape Memory Applications
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
Three-dimensional (3D) printing with conductive polymer nanocomposites provides an attractive strategy for the “on-demand” fabrication of electrical devices. This paper demonstrates a family of highly conductive multimaterial composites that can be directly printed into ready-to-use multifunctional electrical devices using a flexible solvent-cast 3D printing technique. The new material design leverages the high aspect ratio and low contact resistance of the hybrid silver-coated carbon nanofibers (Ag@CNFs) with the excellent 3D printability of the thermoplastic polymer. The achieved nanocomposites are capable of printing in open air under ambient conditions, meanwhile presenting a low percolation threshold (i.e., <6 vol %) and high electrical conductivity (i.e., >2.1 × 105 S/m) without any post-treatments. We further find that this hybrid Ag@CNF-based nanocomposite shows a quick and low-voltage-triggered electrical-responsive shape memory behavior, making it a great candidate for printing electroactive devices. Multiple different as-printed Ag@CNF-based highly conductive nanocomposite structures used as high-performance electrical devices (e.g., ambient-printable conductive components, microstructured fiber sensors, flexible and lightweight scaffolds for electromagnetic interference shielding, and low-voltage-triggered smart grippers) are successfully demonstrated herein. This simple additive manufacturing approach combined with the synergic effects of the multimaterial nanocomposite paves new ways for further development of advanced and smart electrical devices in areas of soft robotics, sensors, wearable electronics, etc.
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) | 0,000 | 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) | 0,000 | 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 découle