Vinyl-ester nanocomposites based on a binary-solvent system for well-exfoliated graphene and enhanced performance
Notice bibliographique
Résumé
This paper introduces a green approach for preparing well-dispersed graphene nanoplates (GNPs) in vinyl-ester (VE) resin. The GNPs were exfoliated in a novel binary-solvent system comprised of a water and ethanol mixture (S nanocomposites). Water and ethanol were considered poor solvents for graphene, but a combination of them could be an ideal solvent mixture. TEM images of the S nanocomposites revealed well-exfoliated graphene sheets with a few wrinkles. Hence, the effective surface areas of the GNPs considerably increased, playing a vital role in enhancing the performance of the nanocomposites. With the incorporation of just 0.4 wt% of exfoliated GNPs (S2 nanocomposite) in the VE, the tensile strength, and toughness enhanced by 51%, and 63%, respectively. Fractography analysis indicated smooth fracture surfaces of pure resin changed to very rough surface structures for the S2 nanocomposite. The viscoelastic properties of the specimens indicated that directly loading GNPs into the resin decreased the glass transition temperature (Tg) of the VE resin. In contrast, the samples prepared by liquid-phase exfoliation enhanced the Tg of the VE. Lastly, the barrier properties of the S2 nanocomposite revealed that its water absorption decreased by 26% compared to the pure resin.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».