Visualizing the selective localization of carbon nanotubes in immiscible polymer blends
Notice bibliographique
Résumé
Abstract This paper examines the migration mechanisms of multiwalled carbon nanotubes (MWCNTs) in 80/20 polyvinylidenefloride/polystyrene (PVDF/PS) and 80/20 polyvinylidenefloride /polycaprolactone (PVDF/PCL) blends. We contrasted the migration of MWCNTs in a low‐viscosity, semi‐crystalline PCL phase versus that in a high‐viscosity, amorphous PS phase. With a 1 vol% loading of MWCNTs, the PVDF/PCL system required 54% higher processing work relative to the neat blend, while the PVDF/PS system required 360% higher work. A visualization system was used to capture the changes in the structure of the blend throughout the mixing process. The structural changes in the blend were correlated with the processing Work and the morphology through electron microscopy. Using the Young equation, for the PVDF/PCL blend, MWCNT is predicted to have a thermodynamic affinity to migrate to the interface, while preferring to remain in the PVDF phase for the PVDF/PS system. However, in practice, for the PVDF/PCL system, the MWCNTs are localized in the PCL phase, while the MWCNTs remained scattered between the PS and PVDF phases for the PVDF/PS system. The viscoelastic properties of the polymers, specifically the viscosity of the minor component, played a crucial role in the migration mechanism. Due to a better dispersion of MWCNTs, the rheological and electromagnetic properties of the PVDF/PCL system are significantly higher. Highlights In‐situ visualization of carbon nanotubes migration during blending. Examining the influence of viscosity of the blend on the migration of nanofiller. Correlating the torque of mixing to the morphology of blends.
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 | 0,000 | 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 | 0,001 | 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 ».