MétaCan
Menu
Retour à la cohorte
Enregistrement W4390115127 · doi:10.3390/c10010001

Manufacturing Carbon Fiber Using Alberta Oilsands Asphaltene with Microwave Plasma Assistance

2023· article· en· W4390115127 sur OpenAlexafffundabout
Lin Ge, Sharath Chandra, Talha Zafar, Simon S. Park

Notice bibliographique

RevueC – Journal of Carbon Research · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueFiber-reinforced polymer composites
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta InnovatesAlberta Innovates - Technology Futures
Mots-clésCarbonizationMaterials scienceAsphaltenePolystyreneCarbon fibersFourier transform infrared spectroscopyHeteroatomChemical engineeringFiberPolymerComposite materialOrganic chemistryScanning electron microscopeChemistry

Résumé

récupéré en direct d'OpenAlex

The considerable expenses associated with carbon fiber (CF) production have imposed limitations on its widespread application across diverse industries, primarily due to the costs of precursor materials and energy−intensive post−treatment procedures. This research explores the potential utilization of Alberta oilsands asphaltenes (AOAs), a carbon−rich by−product derived from oilsands extraction, as a more cost−effective precursor for CF production. Polystyrene and poly(styrene–butadiene–styrene) were also used as polymer additives. In addition to conventional thermal post−treatment, microwave plasma was employed for the carbonization process. The CFs generated through this approach were subjected to a comprehensive analysis involving SEM, FTIR, TGA, XRD, and Raman spectroscopy. The best tensile strength and Young’s modulus of the AOA carbon fibers when using conventional thermal post−treatment were 600 MPa and 70 GPa, respectively. The microwave plasma process indicates the higher temperature and promise of eliminating heteroatoms of AOA carbon fibers. The temperature for microwave plasma modelling was set using COMSOLTM, with the modelling temperature and detection temperature being established at 1600 K and 1568 K, respectively.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,034
Tête enseignante GPT0,288
Écart entre enseignants0,253 · 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'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

Citations4
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueC – Journal of Carbon ResearchMême sujetFiber-reinforced polymer compositesTravaux en français237 207