Carbon Nanotube Assembly and Integration for 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
Carbon nanotubes (CNTs) have attracted significant interest due to their unique combination of properties including high mechanical strength, large aspect ratios, high surface area, distinct optical characteristics, high thermal and electrical conductivity, which make them suitable for a wide range of applications in areas from electronics (transistors, energy production and storage) to biotechnology (imaging, sensors, actuators and drug delivery) and other applications (displays, photonics, composites and multi-functional coatings/films). Controlled growth, assembly and integration of CNTs is essential for the practical realization of current and future nanotube applications. This review focuses on progress to date in the field of CNT assembly and integration for various applications. CNT synthesis based on arc-discharge, laser ablation and chemical vapor deposition (CVD) including details of tip-growth and base-growth models are first introduced. Advances in CNT structural control (chirality, diameter and junctions) using methods such as catalyst conditioning, cloning, seed-, and template-based growth are then explored in detail, followed by post-growth CNT purification techniques using selective surface chemistry, gel chromatography and density gradient centrifugation. Various assembly and integration techniques for multiple CNTs based on catalyst patterning, forest growth and composites are considered along with their alignment/placement onto different substrates using photolithography, transfer printing and different solution-based techniques such as inkjet printing, dielectrophoresis (DEP) and spin coating. Finally, some of the challenges in current and emerging applications of CNTs in fields such as energy storage, transistors, tissue engineering, drug delivery, electronic cryptographic keys and sensors are considered.
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 | 0,002 | 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 | 0,001 |
| 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