MétaCan
Menu
Retour à la cohorte
Enregistrement W4416884460 · doi:10.37665/srrtfip90689

The Use of Graphene to Replace Silver in Electricaly Conductive Adhesives - A Study on Electrical Conductivity and Mechanical Properties

2015· article· W4416884460 sur OpenAlexaff
Behnam Meschi Amoli, Josh Trinidad, Y. Zhou, Boxin Zhao, Alex Chen, John Persic, Robert Lyn

Notice bibliographique

RevueSoldering and Reliability Conferences · 2015
Typearticle
Langue
DomaineEngineering
ThématiqueNanomaterials and Printing Technologies
Établissements canadiensHain Celestial (Canada)Public Health OntarioUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésGrapheneElectrical resistivity and conductivityElectrical conductorAdhesiveNanocompositeModulusDispersion (optics)Filler (materials)

Résumé

récupéré en direct d'OpenAlex

ABSTRACT In this talk, we will present the research progress on the use of graphene to reduce the amount of silver in electrically conductive adhesives. The graphene nanosheets were first modified using sodium dodecyl sulfate (SDS) and used as auxiliary fillers inside the conventional electrically conductive adhesive (ECA) composite. Using the SDS modification approach, we were able to facilitate the dispersion of graphene inside the composite, which resulted in a significant electrical conductivity improvement of ECAs at noticeably low filler content. Addition of 1.5 wt% SDS-modified graphene into the conventional ECA with 10 wt% silver flakes led to a relatively low electrical resistivity of 35 Ω.cm, while at least 40 wt% of silver flakes was required for the conventional and the hybrid ECAs with non-modified graphene to be electrically conductive. A highly conductive ECA with very low bulk resistivity of 1.6 × 10 -5 Ω.cm was prepared by adding 1.5 wt% of SDS-modified graphene into the conventional ECA with 80 wt% silver flakes. The mechanical properties of the ECA were investigated using the Hertzian indentation method and found that SDS-stabilized graphene nanosheets increased the modulus of the nanocomposites at much lower weight percentages. However, once it passes a certain weight percent, the modulus begins to quickly decrease.

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 enseignants0,000
Score d'incertitude au seuil0,001

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)0,0000,000

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 Opus0,108
Tête enseignante GPT0,271
Écart entre enseignants0,162 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoldering and Reliability ConferencesMême sujetNanomaterials and Printing TechnologiesTravaux en français237 207