A Comparative Analysis of Hydrogen Storage Characteristics in AZ31 Magnesium Alloy with the Addition of Graphene and Carbon Nanotubes via Ball Milling Process
Notice bibliographique
Résumé
In the present investigation, an examination was conducted on the hydrogen storage performance of industrial waste grade AZ31 magnesium alloy when combined with either Carbon Nanotubes or Graphene. This study aims to understand the enhancement of hydrogen storage properties reinforced with polymer materials, such as Graphene or Carbon Nanotubes. The experimental samples, composed of AZ31 Magnesium Alloy combined with either Carbon Nanotubes or Graphene, were crafted through gravity casting. Thereafter, a high-energy ball milling process was employed to further refine the hydrogen storage material powders. The micrographic structures of all the sample powders were analyzed by x-ray diffraction (XRD), and scanning electron microscopy (SEM) coupled with energy dispersive spectroscopy (EDS). Additionally, the average particle size distributions of the sample powders were quantified for comprehensive characterization. The absorbed and desorbed hydrogen capacity and kinetics was calculated by a Sievert's type apparatus. Overall, the performance of the sample powder AZ31-0.1G showed the highest absorption and desorption at a rate of 0.0036 wt%/s and 0.0084 wt%/s. Moreover, the hydrogen capacity of AZ31-0.1G reached the highest value at 5.32 wt%. The acquired data unveils that with the adding of either Graphene or Carbon Nanotubes as additives significantly improved the hydrogen storage capacity of AZ31 magnesium alloy.
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 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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».