Controlled adsorption of polyurethane onto chlorine-modified carbon nanotubes for enhanced mechanical and electrical properties of nanocomposites
Notice bibliographique
Résumé
Maximizing the performance of carbon nanotubes (CNTs) in polymer nanocomposites remains a significant challenge, and fabrication methods often fall short of achieving the desired properties. From an application perspective, enhancing both mechanical properties and electrical conductivity is particularly desirable, yet simultaneously improving multiple properties is often difficult - the high loadings in dispersed CNT composites needed for better conductivity tend to impede processing and mechanical properties. Herein, a one-step filtration method with solubility modulation to control the adsorption of thermoplastic polyurethane (TPU) onto a commercial-grade single-wall CNT (SWCNT) powder is employed. The impact of solvent choice on interfacial interactions, the properties and microstructure of SWCNT-TPU nanocomposite sheets is highlighted. The results demonstrate that sonochemically generated chlorine, known to enhance the electrical conductivity of SWCNT assemblies, also improves interfacial interactions and the adsorption capacity of the nanotubes for TPU leading to significant enhancements in electrical conductivity, Young's modulus, and failure strength of the nanocomposites without compromising ultimate strain. Analysis of effective adsorption isotherms gives new insights into the mechanisms driving interfacial interactions and a model detailing various adsorption regions is proposed. Saturation differences in SWCNT adsorption sites, contingent on processing conditions, account for observed trends and determine the optimal SWCNT/TPU ratio and factors affecting macroscopic properties. Furthermore, insights from effective adsorption isotherms can guide the optimization of the fabrication method to enhance 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».