MétaCan
Menu
Retour à la cohorte
Enregistrement W3046446233 · doi:10.1177/0021955x20945666

Microcellular structure assisted phase transformation of polyvinylidene fluoride/titanium dioxide nanocomposites

2020· article· en· W3046446233 sur OpenAlexafffund
Yu‐Chen Sun, Jennifer D’Cunha, Hani E. Naguib

Notice bibliographique

RevueJournal of Cellular Plastics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of CanadaGovernment of Ontario
Mots-clésMaterials sciencePolyvinylidene fluorideNanocompositeComposite materialTitanium dioxideSupercritical carbon dioxideDielectricPhase (matter)CompoundingComposite numberFluorideFoaming agentChemical engineeringSupercritical fluidPolymerPorosity

Résumé

récupéré en direct d'OpenAlex

A novel nanocomposite foam with microcellular structures based on poly(vinylidene fluoride) (PVDF) and titanium dioxide (TiO 2 ) was fabricated by the combination of melt compounding and supercritical carbon dioxide (scCO 2 ) foaming. To improve its dielectric performance, silane modified and unmodified titanium dioxide nanoparticles were added as reinforcing fillers at low weight percentages (0.5, 1, and 5 wt%) during the melt blending process. It was found that the incorporation of nanoparticles had a strong influence on cell morphology. As a result, the foaming process significantly altered the dielectric, and mechanical properties of the composite foams. The dielectric constants of the composite foams were no longer frequency dependent while tan delta was lowered at least by a factor of 10. Furthermore, the porous structure generated by foaming also assisted the α-to-β phase transformation of the PVDF matrix in a way similar to mechanical stretching. Such method is superior to other phase transformation techniques since β-phase PVDF can be produced in bulk geometries instead of a thin film configuration.

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 candidatesaucune
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 enseignants0,296
Score d'incertitude au seuil0,697

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 Opus0,012
Tête enseignante GPT0,210
Écart entre enseignants0,198 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cellular PlasticsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207