Effects of molecular weight, stereo configuration of <scp>PLA</scp> , and processing on the dispersion of multiwalled carbon nanotubes and properties of corresponding nanocomposites
Notice bibliographique
Résumé
Abstract Multiwalled carbon nanotubes (MWCNTs) were dispersed and distributed via a co‐rotating twin‐screw extruder (TSE) in high (h)‐ and low (l)‐molecular‐weight amorphous and semicrystalline polylactides (PLAs) (aPLA and scPLA, respectively). Effects of PLA molecular weight and D‐lactic acid equivalents content (D‐content), as well as processing parameters, were examined on the MWCNT dispersion quality in PLA. The effectiveness of the MWCNT dispersion in various PLA matrices was investigated using scanning electron microscopy (SEM) and small‐amplitude oscillatory and transient shear flow rheometry in the molten state. The results showed a better dispersion of MWCNTs in the low‐molecular‐weight PLA grades (aPLAl and scPLAl). In addition, better MWCNT dispersion was observed in aPLA grades when processed at a higher temperature of 190°C than at 150°C. At 150°C, while MWCNT bundles in aPLAl could be broken down, a good dispersion could not be achieved in aPLAh due to the lower molecular mobility at such a temperature. The electrical conductivity of the samples was also shown to increase as the MWCNT dispersion was improved. The existence of crystallites in scPLA‐based nanocomposites, however, disrupted the connectivity of the MWCNTs and decreased the final electrical conductivity. The lower molecular weight aPLAl prepared at 190°C showed the highest electrical conductivity (~10 −5 S/m) at a low loading of 0.5 wt.% MWCNTs.
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 | 0,001 |
| 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) | 0,001 | 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 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 ».