MétaCan
Menu
Retour à la cohorte
Enregistrement W3127553690 · doi:10.1021/acsami.0c18623

Cellulose Nanofibrils Endow Phase-Change Polyethylene Glycol with Form Control and Solid-to-gel Transition for Thermal Energy Storage

2021· article· en· W3127553690 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2021
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSuomen KulttuurirahastoH2020 European Research CouncilCanada Excellence Research Chairs, Government of Canada
Mots-clésMaterials sciencePolyethylene glycolDifferential scanning calorimetryThermal energy storageLatent heatChemical engineeringPEG ratioPhase-change materialNanotechnologyComposite materialThermal

Résumé

récupéré en direct d'OpenAlex

Green energy-storage materials enable the sustainable use of renewable energy and waste heat. As such, a form-stable phase-change nanohybrid (PCN) is demonstrated to solve the fluidity and leakage issues typical of phase-change materials (PCMs). Here, we introduce the advantage of solid-to-gel transition to overcome the drawbacks of typical solid-to-liquid counterparts in applications related to thermal energy storage and regulation. Polyethylene glycol (PEG) is form-stabilized with cellulose nanofibrils (CNFs) through surface interactions. The cellulosic nanofibrillar matrix is shown to act as an organogelator of highly loaded PEG melt (85 wt %) while ensuring the absence of leakage. CNFs also preserve the physical structure of the PCM and facilitate handling above its fusion temperature. The porous CNF scaffold, its crystalline structure, and the ability to hold PEG in the PCN are characterized by optical and scanning electron imaging, infrared spectroscopy, and X-ray diffraction. By the selection of the PEG molecular mass, the lightweight PCN provides a tailorable fusion temperature in the range between 18 and 65 °C for a latent heat storage of up to 146 J/g. The proposed PCN shows remarkable repeatability in latent heat storage after 100 heating/cooling cycles as assessed by differential scanning calorimetry. The thermal regulation and light-to-heat conversion of the PCN are confirmed via infrared thermal imaging under simulated sunlight and in a thermal chamber, outperforming those of a reference, commercial insulation material. Our PCN is easily processed as a structurally stable design, including three-dimensional, two-dimensional (films), and one-dimensional (filaments) materials; they are, respectively, synthesized by direct ink writing, casting/molding, and wet spinning. We demonstrate the prospects of the lightweight, green nanohybrid for smart-energy buildings and waste heat-generating electronics for thermal energy storage and management.

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 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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,007
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,022
Tête enseignante GPT0,264
Écart entre enseignants0,242 · 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