MétaCan
Menu
Retour à la cohorte
Enregistrement W4317754412 · doi:10.1002/pc.27213

From <scp>two‐dimensional</scp> materials to polymer nanocomposites with emerging multifunctional applications: A critical review

2023· review· en· W4317754412 sur OpenAlexaff
Gabriel Matheus Pinto, Josué Marciano de Oliveira Cremonezzi, Hélio Ribeiro, Ricardo J. E. Andrade, Nicole R. Demarquette, Guilhermino J. M. Fechine

Notice bibliographique

RevuePolymer Composites · 2023
Typereview
Langueen
DomaineMaterials Science
ThématiqueMXene and MAX Phase Materials
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesH2020 European Institute of Innovation and TechnologyConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésNanocompositeMaterials scienceNanotechnologyPolymerCompatibility (geochemistry)Polymer nanocompositeComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract 2D materials are a very up‐and‐coming class of additives in the field of polymer composites due to their versatility and exceptional intrinsic properties. This enables researchers to create a variety of nanocomposites that can be employed in a myriad of emerging multifunctional applications. The performance of such nanocomposites depends heavily on the quality of the 2D materials, their interactions with the polymer matrix, as well as on their dispersion and morphology when embedded in the polymer. In order to control these variables, one needs to choose wisely between the available synthesis techniques and mixing strategies, playing with the process‐structure–property relationships, while keeping in mind the compatibility with current industrial infrastructure. Therefore, this paper presents a brief review on the 2D materials most used in polymer nanocomposites, the main synthesis techniques and mixing routes developed, the state of the art on the most sought‐after properties in different systems, and what are the effects of the morphology evolution. In each section, the main challenges are highlighted, and possible strategies to overcome them are presented, for example, the advent of hybrid 2D nanostructures, which promote synergistic effects, enabling the combination of properties that were not previously achievable on the final material. Finally, the paper ends by presenting a perspective of the current state in the development of these emerging multifunctional nanocomposites and what are the most important steps that need to be taken, not only academically, but also industrially, in order for these materials to start being widely applied and become staples in the daily life of humanity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,347
Écart entre enseignants0,297 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymer CompositesMême sujetMXene and MAX Phase MaterialsTravaux en français237 207