Ultra‐Flyweight Cryogels of MXene/Graphene Oxide for Electromagnetic Interference Shielding
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract MXene and graphene cryogels have demonstrated excellent electromagnetic interference (EMI) shielding effectiveness due to their exceptional electrical conductivity, low density, and ability to dissipate electromagnetic waves through numerous internal interfaces. However, their synthesis demands costly reduction techniques and/or pre‐processing methods such as freeze‐casting to achieve high EMI shielding and mechanical performance. Furthermore, limited research has been conducted on optimizing the cryogel microstructures and porosity to enhance EMI shielding effectiveness while reducing materials consumption. Herein, a novel approach to produce ultra‐lightweight cryogels composed of Ti 3 C 2 T x /graphene oxide (GO) displaying multiscale porosity is presented to enable high‐performance EMI shielding. This method uses controllable templating through the interfacial assembly of filamentous‐structured liquids that are readily converted into EMI cryogels. The obtained ultra‐flyweight cryogels (3–7 mg cm −3 ) exhibit outstanding specific EMI shielding effectiveness (33 000–50 000 dB cm 2 g −1 ) while eliminating the need for chemical or thermal reduction. Furthermore, exceptional shielding is achieved when the Ti 3 C 2 T x /GO cryogels are used as the backbone of conductive epoxy nanocomposites, yielding EMI shielding effectiveness of 31.7–51.4 dB at a low filler loading (0.3–0.7 wt%). Overall, a one‐of‐a‐kind EMI shielding system is introduced that is readily processed while affording scalability and performance.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,004 | 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 découle