Heat Transfer Behavior of Graphene-Reinforced Nanocomposite Sandwich Cylinders
Notice bibliographique
Résumé
Graphene is a two-dimensional (2D) material with the thickness of one single atom. This material is a carbon allotrope with nanostructure lattice of hexagonally arranged carbon atoms [1]. Due to the particular shape of graphene, it has an extraordinary thermal conductivity which has been reported to be up to 3000 W/(m⋅K) [2, 3] and 5300 W/(m⋅K) [4] while thermal conductivities of polymers are usually less than 1W/(m⋅K). This huge difference between thermal conductivities of graphene and polymers, introduces graphene as a highly efficient filler to significantly enhance the thermal conductivity of polymers [4, 5]. In the calculation of thermal conductivity of such nanocomposite materials, agglomeration formation and polymer–graphene interfacial thermal resistance are two significant parameters which can restrict the improvement of thermal behavior [6, 7].However, the dispersion of nanofillers based on functionally graded (FG) patterns in the host matrix usually improves the overall thermal and mechanical performances of nanocomposite materials. Moreover, FG dispersions of nanofillers provide a better management on the thermomechanical responses of nanocomposite structures [8–13].
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».