MétaCan
Menu
Retour à la cohorte
Enregistrement W4385662762 · doi:10.1002/jsde.12702

Role and impact of surfactants in carbon nanotube dispersions and sorting

2023· article· en· W4385662762 sur OpenAlexafffund
HeeBong Yang, Luke Neal, Elijah Earl Flores, Alex Adronov, Na Young Kim

Notice bibliographique

RevueJournal of Surfactants and Detergents · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensBrockhouse Institute for Materials ResearchMcMaster UniversityUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCarbon nanotubeNanomaterialsNanotechnologyPolymerDispersantChemistryChemical vapor depositionChemical engineeringDispersion (optics)Materials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Carbon nanotubes (CNTs) are proving to be versatile nanomaterials that exhibit superior and attractive electrical, optical, chemical, physical, and mechanical properties. Different kinds of CNTs exist, and their associated properties have been actively explored and widely exploited from fundamental studies to practical applications. Obtaining high‐quality CNTs in large volumes is desirable, especially for scalable electronic, photonic, chemical, and mechanical systems. At present, abundant but random CNTs are synthesized by various growth methods including arc discharge, chemical vapor deposition, and molecular beam epitaxy. An economical way to secure pristine CNTs is to disperse the raw soot of CNTs in solutions, from which purified CNTs are collected via sorting methods. Individual CNTs are generally hydrophobic, not readily soluble, requiring an agent, known as a surfactant to facilitate effective dispersions. Furthermore, the combination of surfactants, polymers, DNA, and other additives can enhance the purity of specific types of CNTs in confidence dispersions. With highly‐pure CNTs, designated functional devices are built to demonstrate improved performance. This review surveys and highlights the essential roles and significant impacts of surfactants in dispersing and sorting CNTs.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,490
Score d'incertitude au seuil0,500

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,279
Écart entre enseignants0,265 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations37
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Surfactants and DetergentsMême sujetCarbon Nanotubes in CompositesTravaux en français237 207