MétaCan
Menu
Retour à la cohorte
Enregistrement W4311887598 · doi:10.1557/s43578-022-00841-6

Recent advances and perspective on boron nitride nanotubes: From synthesis to applications

2022· article· en· W4311887598 sur OpenAlexafffund
Michael B. Jakubinek, Keun Su Kim, Myung Jong Kim, Angel A. Martı́, Matteo Pasquali

Notice bibliographique

RevueJournal of materials research/Pratt's guide to venture capital sources · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueBoron and Carbon Nanomaterials Research
Établissements canadiensUniversity of TorontoUniversity of OttawaUniversity of New BrunswickNational Research Council Canada
Organismes subventionnairesDivision of ChemistryNational Research FoundationNational Research Council CanadaDefense Acquisition Program AdministrationMinistry of Science and ICT, South KoreaRice UniversityNational Research Foundation of KoreaAir Force Office of Scientific ResearchMinistry of Trade, Industry and EnergyGachon UniversityKorea Institute of Science and TechnologyWelch FoundationNational Science Foundation
Mots-clésBoron nitrideNanotechnologyMaterials scienceCarbon nanotubeNanomaterialsTransparency (behavior)Computer science

Résumé

récupéré en direct d'OpenAlex

Abstract Boron nitride nanotubes (BNNTs) are emerging nanomaterials with analogous structures and similarly impressive mechanical properties to carbon nanotubes (CNTs), but unique chemistry and complimentary multifunctional properties, including higher thermal stability, electrical insulation, optical transparency, neutron absorption capability, and piezoelectricity. Over the past decade, advances in synthesis have made BNNTs more broadly accessible to the nanomaterials and other research communities, removing a major barrier to their utilization and research. Therefore, the field is poised to grow rapidly and see the emergence of BNNT applications ranging from electronics to aerospace materials. A key challenge, that is being gradually overcome, is the development of manufacturing processes to make “neat” BNNT materials. This overview highlights the history and current status of the field, providing both an introduction to this Focus Issue—BNNTs: Synthesis to Applications—as well as a perspective on advances, challenges, and opportunities for this emerging material. Graphical abstract

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)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,363
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 GPT0,342
Écart entre enseignants0,321 · 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

Citations43
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of materials research/Pratt's guide to venture capital sourcesMême sujetBoron and Carbon Nanomaterials ResearchTravaux en français237 207