MétaCan
Menu
Retour à la cohorte
Enregistrement W3176580837 · doi:10.3390/nano11061620

Ultra-Low Percolation Threshold Induced by Thermal Treatments in Co-Continuous Blend-Based PP/PS/MWCNTs Nanocomposites

2021· article· en· W3176580837 sur OpenAlexafffund
Daria Strugova, José Carlos Ferreira, Éric David, Nicole R. Demarquette

Notice bibliographique

RevueNanomaterials · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaÉcole de technologie supérieure
Mots-clésMaterials sciencePercolation thresholdCarbon nanotubeNanocompositePolystyreneIsothermal processPercolation (cognitive psychology)PolypropyleneComposite materialCrystallizationMorphology (biology)Chemical engineeringPolymerElectrical resistivity and conductivity

Résumé

récupéré en direct d'OpenAlex

The effect of the crystallization of polypropylene (PP) forming an immiscible polymer blend with polystyrene (PS) containing conductive multi-wall carbon nanotubes (MWCNTs) on its electrical conductivity and electrical percolation threshold (PT) was investigated in this work. PP/PS/MWCNTs composites with a co-continuous morphology and a concentration of MWCNTs ranging from 0 to 2 wt.% were obtained. The PT was greatly reduced by a two-step approach. First, a 50% reduction in the PT was achieved by using the effect of double percolation in the blend system compared to PP/MWCNTs. Second, with the additional thermal treatments, referred to as slow-cooling treatment (with the cooling rate 0.5 °C/min), and isothermal treatment (at 135 °C for 15 min), ultra-low PT values were achieved for the PP/PS/MWCNTs system. A 0.06 wt.% of MWCNTs was attained upon the use of the slow-cooling treatment and 0.08 wt.% of MWCNTs upon the isothermal treatment. This reduction is attributed to PP crystals' volume exclusion, with no alteration in the blend morphology.

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 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 enseignants0,014
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 Opus0,011
Tête enseignante GPT0,234
Écart entre enseignants0,223 · 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.

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

Citations24
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207