(Invited) Towards Industrialization of Boron Nitride Nanotubes: Purification and Quality Assessment
Notice bibliographique
Résumé
Boron nitride nanotubes (BNNTs) exhibit as impressive a range of properties as their isoelectronic carbon nanotube (CNT) cousins, and include unique features like substantially higher thermal stability, a wide band gap, transparency through the visible region and better biocompatibility. 1 Historically, very low production volumes had prevented the science and technology of BNNTs from evolving at even a fraction of the pace of CNTs. We helped to addressed this limitation through the development of an industrially scalable plasma process for the manufacturing of BNNT, 2,3 which can synthesize kilogram quantities of highly crystalline, small diameter few-walled BNNTs daily. The next hurdles on the path to fully exploiting the properties of BNNTs in applications are precise purity and quality control and assessment. In this talk I will present our recent advances in these areas. We have developed a large-scale purification process that raises the purity of as-produced BNNT above 90% in a single-step. 4 The process relies on the use of pure or diluted chorine gas at elevated temperature. We have evaluated the process at various temperatures, up to 1050 °C, and have used a range of imaging and spectroscopic assessments to qualify the results. Quality (purity + defect density) assessment of bulk nanotube samples has been a pervasive challenge in the field of carbon nanotubes for more than 30 years. To help address this challenge for BNNTs, I will show how the specific and strong interfacial interaction between regiorandom poly(3-hexylthiophene) (rra-P3HT) and BNNTs leads to the emergence of structured absorption and emission bands that can be used to quantify the relative quality of BNNT samples. 5-7 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). S. Kim, C. T. Kingston, A. Hrdina, M. B. Jakubinek, J. Guan, M. Plunkett and B. Simard, ACS Nano, 8, 6211-6220 (2014). S. Kim, M. Couillard, H. Shin, M. Plunkett, D. Ruth, C. T. Kingston and B. Simard, ACS Nano ,12, 884-893 (2018). Cho, S. Walker, M. Plunkett, D. Ruth, R. Iannitto, Y. Martinez Rubi, K. S. Kim, C. M. Homenick, A. Brinkmann, M. Couillard, S. Dénommée, J. Guan, M. B. Jakubinek, Z. J. Jakubek, C. T. Kingston, and B. Simard, Chem. Mater., 32, 3911−3921 (2020). 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). Martinez Rubi, Z. Jakubek, M. Chen, S. Zou, and B. Simard, ACS Applied Nano , 2, 2054-2063 (2019). Z. J. Jakubek, M. Chen, Y. Martinez Rubi, B. Simard, and S. Zou, J. Phys. Chem. Lett., 11, 4179−4185 (2020). Figure 1
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».