(Invited) Towards Industrialization of Boron Nitride Nanotubes: Purification and Quality Assessment
Notice bibliographique
Résumé
Boron nitride nanotubes (BNNTs) exhibit a range of properties that are as impressive as their isoelectronic carbon nanotube (CNT) cousins but with unique features including substantially higher thermal stability, wide band gap, transparency in the visible region and better biocompatibility1. Historically, very low production volume has prevented the science and technology of BNNTs from evolving at even a fraction of the pace of CNTs. We have addressed this limitation through the development of an industrially scalable plasma process for the manufacturing of BNNT2,3. Although kg quantities of BNNT can now be synthesized daily, the material contains several impurities which must be removed to exploit fully the superlative properties of BNNT in various applications. In the first part of the talk, I will present our recent advances in purification. We have developed a gas phase process that raises the purity of as-produced BNNT above 90% in a single-step. The process relies on the use of pure or diluted chorine gas at high temperature. The process has been examined at various temperatures, up to 1050 °C, using a range of imaging and spectroscopic assessments. The next step in advancing the field of BNNT is the development of a method for quality (purity + defect density) assessment of bulk samples, an area that has plagued the field of carbon nanotubes for more than 30 years. In the next part of the talk, I will show how the specific and strong interfacial interaction between regio random poly(3-hexyl thiophene) (rra-P3HT) and BNNT leads to the emergence of structured absorption and emission bands that can be used to quantify the relative quality of BNNT samples4,5. 1. J. Augustine, T. Cheung, V. Gies, J. Boughton, M. Chen, Z. J. Jakubek, S. Walker, Y. Martinez-Rubi, B. Simard and S. Zou, Nanoscale Advances, 1, 1914-1923 (2019). 2. K. S. Kim, C. T. Kingston, A. Hrdina, M. B. Jakubinek, J. Guan, M. Plunkett and B. Simard, ACS Nano, 2014, 8, 6211-6220. 3. K. S. Kim, M. Couillard, H. Shin, M. Plunkett, D. Ruth, C. T. Kingston and B. Simard, ACS Nano,12, 884-893 (2018). 4. Y. Martinez-Rubi, Z. J. Jakubek, M. B. Jakubinek, K. S. Kim, F. Cheng, M. Couillard, C. Kingston and B. Simard, J. Phys. Chem., C, 119, 26605 (2015). 5. Y. Martinez Rubi, Z. Jakubek, M. Chen, S. Zou, and B. Simard, ACS Applied Nano, 2, 2054-2063 (2019).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,027 |
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 ».