Thermally Conductive Styrene-Butadiene Rubber/Boron Nitride Nanotubes Composites
Notice bibliographique
Résumé
The use of boron nitride nanotubes (BNNTs) for fabrication of thermally conductive composites has been explored in the last years. Their elevated thermal conductivity and high mechanical properties make them ideal candidates for reinforcement in polymeric matrices. However, due to their high tendency to agglomerate, a physical or chemical treatment is typically required for their successful incorporation into polymer matrices. Our previous study about the dispersibility of BNNTs allowed determination of good solvents for dispersion. Here, we performed a similar characterization on styrene-butadiene rubber (SBR) to determine its solubility parameters. Although these two materials possess different solubility parameters, it was possible to bridge this gap by employing a binary mixture. The solvent casting approach followed by hot pressing was chosen as a suitable method to obtain thermally conductive SBR/BNNT composites. The resulting nanocomposites showed up to 35% of improvement in thermal conductivity and a 235% increase in storage modulus in the frequency sweep, when a BNNT loading of 10 wt% was used. However, the viscoelastic properties in the amplitude sweep showed a negative effect with the increase in BNNT loading. A good balance in thermal conductivity and viscoelastic properties was obtained for the composite at a BNNT loading of 5 wt%.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».