Balancing thermal conductivity, dielectric, and tribological properties in polyamide 1010 with <scp>2D</scp> nanomaterials
Notice bibliographique
Résumé
Abstract Low electrical conductivity and high heat dissipation are crucial for electronic packaging materials. Additionally, friction is critical for the lifespan and energy efficiency of components. To address these requirements, polymer nanocomposites based on bio‐based polyamide 1010 and ultra‐low contents of 2D nanomaterials were produced by melt‐blending. Graphene oxide, hexagonal boron nitride, and molybdenum disulfide were selected for their two‐dimensional structure and electrical insulation, providing high thermal conductivity while preserving the polymer's dielectric nature. Hybrid nanocomposites were also produced to explore potential synergistic effects. Results showed all compositions maintained the polymer's intrinsic dielectric properties. Although the friction coefficient increased slightly compared with neat polyamide, all nanocomposites remained within the low‐friction range required for low‐friction materials. Thermal conductivity improved by 5%–10% compared with unfilled polyamide, with hybrid systems performing slightly better, indicating a minor synergistic effect. Despite these enhancements being modest compared with the literature, achieving high thermal conductivity usually requires over 20 wt% of nanofiller, which is detrimental to mechanical performance. In this study, at most 0.5 wt% was used, with composites being obtained directly through melt‐blending. This highlights their potential as low‐content additives for thermal interface materials without compromising other essential properties.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».