MétaCan
Menu
Retour à la cohorte
Enregistrement W4405212285 · doi:10.1038/s41378-024-00800-7

Continuously superior-strong carbon nanofibers by additive nanostructuring and carbonization of polyacrylonitrile jetting

2024· article· en· W4405212285 sur OpenAlexfundno aff
Jufeng Deng, Chong Liu, Marc Madou

Notice bibliographique

RevueMicrosystems & Nanoengineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueFiber-reinforced polymer composites
Établissements canadiensnon disponible
Organismes subventionnairesPetroleum Technology Research CentreGuizhou University
Mots-clésPolyacrylonitrileCarbonizationMaterials scienceNanofiberCarbon nanofiberNanotechnologyCarbon fibersElectrospinningComposite materialCarbon nanotubePolymerScanning electron microscope

Résumé

récupéré en direct d'OpenAlex

, but have to confront the challenge of maximizing the role of scale effects. Here, a method of additive nanostructuring and carbonization of polyacrylonitrile (PAN) jetting for the nano-forming of carbon fibers is developed by understanding the electrostatic submicro-initiation of a PAN jetting, altering the microstructure of PAN-based jetting fibers at the nanoscale and implementing subsequent carbonization of PAN jetting nanofiber. Using this method of additive nanostructuring and carbonization in combination with the radial distribution pattern of shear stress, we find that the conformation of some molecular chains inside the PAN nanofibers is transformed into the zigzag conformation. The ability to materialize and carbonize such PAN nanofibers with various conformational structures in the form of arrays on diverse micro-structures and macro-substrates enables the forming of continuous carbon nanofibers with a diameter of ~20 nm and allows the tensile strength of carbon fibers to be enhanced to 212 GPa through the combination of zigzag conformation and nanoscale effects. These advantages create opportunities for the application of maximizing nanoscale effects that have not previously been technically possible.

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 enseignants0,001
Score d'incertitude au seuil0,002

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,002
Tête enseignante GPT0,160
Écart entre enseignants0,159 · 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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicrosystems & NanoengineeringMême sujetFiber-reinforced polymer compositesTravaux en français237 207