06.04.2022 by Nishar Hameed, MPhil, PhD CChem, Azadeh Mirabedini, PhD

Wykorzystanie metody błysku laserowego do opracowania materiałów interfejsów termicznych opartych na grafenie

Dzięki unikalnemu zestawowi właściwości fizycznych i mechanicznych, grafen, dwuwymiarowa sieć krystaliczna o strukturze plastra miodu ze zhybrydyzowanego węgla sp2, cieszy się dużym zainteresowaniem akademickim i przemysłowym w zakresie opracowywania lekkich, inteligentnych i wytrzymałych materiałów hybrydowych. Dowiedz się więcej o zastosowaniu metody Laser Flash Method do opracowywania materiałów interfejsów termicznych opartych na grafenie i przeczytaj artykuł naukowy napisany przez naszego wieloletniego klienta Swinburne University of Technology w Australii.

Autorzy: Azadeh Mirabedini, PhD i Nishar Hameed, MPhil, PhD CChem, Smart Materials and Composites Group, Faculty of Science, Engineering and Technology, Swinburne University of Technology, Australia

Dzięki unikalnemu zestawowi właściwości fizycznych i mechanicznych, grafen, dwuwymiarowa sieć krystaliczna o strukturze plastra miodu ze zhybrydyzowanego węgla sp2, cieszy się dużym zainteresowaniem akademickim i przemysłowym w opracowywaniu lekkich, inteligentnych i wytrzymałych materiałów hybrydowych. Oprócz swojej super wytrzymałości i lekkości jak piórko, grafen charakteryzuje się również doskonałym przewodnictwem cieplnym i elektrycznym oraz jest przezroczysty i bardzo elastyczny. Wewnętrzne przewodnictwo cieplne grafenu mieści się w zakresie 2000-4000 Wm-1K-1, głównie w zależności od jego wymiarów bocznych, jakości kryształów i koncentracji defektów, co jest jednym z najwyższych spośród wszystkich znanych materiałów.[1,2] Co ciekawe, przewodnictwo cieplne grafenu jest również zmienne, a jego wartość rośnie logarytmicznie w funkcji wielkości ścieżek przewodzących grafenu w materiale.arcTa właściwość grafenu rozszerzyła jego zastosowanie w kompozytach polimerowych i powłokach, nadając im "nieograniczone" możliwości w zakresie zarządzania ciepłem. Biorąc to pod uwagę, kompozyty polimerowe na bazie grafenu zostały zgłoszone do wykorzystania w szeregu zastosowań, w tym w materiałach interfejsu termicznego i radiatorach, rozpraszaczach ciepła, smarach termicznych, chłodziwach i tak dalej[3].

Większość obecnych metod produkcji grafenu nie jest jeszcze skalowalna do large ilości, a zatem wykorzystanie kilkuwarstwowych nanomateriałów grafenowych (FLG) stało się ostatnio jednym z najbardziej efektywnych, tanich i skalowalnych podejść do praktycznych zastosowań termicznych.[4,5] FLG zachowuje doskonałe właściwości przewodzenia ciepła, oferując jednocześnie większą powierzchnię przekroju dla strumienia ciepła i może ułatwić tworzenie połączonej sieci wypełniaczy FLG w matrycy polimerowej, zwiększając wydajność termiczną kompozytów.[6]

Przewodzenie ciepła zachodzi na poziomie molekularnym, gdy energia cieplna jest pochłaniana przez powierzchnię i powoduje mikroskopijne zderzenia cząstek i przenosi energię do sąsiednich cząstek, a proces ten będzie trwał tak długo, jak długo będzie dodawane ciepło. Dyfuzyjność cieplna jest najważniejszym termofizycznym parametrem materiałowym służącym do charakteryzowania właściwości transportu termicznego materiału. Technika Laser Flash jest nieniszczącą, bezkontaktową i precyzyjną metodą, która jest najczęściej stosowana do określania właściwości termicznych materiałów w podwyższonych temperaturach.

Jak pomiary i modelowanie łączą się ze sobą

Nasz najnowszy artykuł w czasopiśmie Industrial & Engineering Chemistry Researc h przedstawia zastosowanie urządzenia NETZSCH LFA 467 HyperFlash®® w badaniu właściwości dyfuzyjności cieplnej nanopłytek grafenowych (GnP) modyfikowanych nanokompozytami polimerów epoksydowych. GnP mają średnią średnicę cząstek około 25 µm i zawierają około 18-24 warstw grafenu. Wysoka częstotliwość akwizycji danych tego urządzenia wynosząca 2 MHz pozwala na wiarygodne i dokładne pomiary materiałów o wysokiej przewodności i/lub cienkich. Odlane nanokompozyty pocięto na kwadratowe próbki o długości boku 10 mm. Ich dyfuzyjność cieplną mierzono w zakresie od temperatury pokojowej do 150°C podczas ogrzewania i chłodzenia. Wykorzystując efektywną teorię medium,[7] opracowano również prosty model analityczny, który obejmuje zarówno opór Kapitza (znany również jako międzyfazowy opór cieplny lub termiczny opór graniczny), jak i opór kontaktowy grafen-grafen w celu obliczenia efektywnej przewodności cieplnej nanokompozytów.

Przewodność cieplnaPrzewodność cieplna (λ z jednostką W/(m-K)) opisuje transport energii - w postaci ciepła - przez ciało o masie w wyniku gradientu temperatury (patrz rys. 1). Zgodnie z drugą zasadą termodynamiki, ciepło zawsze przepływa w kierunku niższej temperatury.Przewodność cieplna każdej próbki została następnie obliczona jako iloczyn gęstości, dyfuzyjności cieplnej i ciepła właściwego materiału. Przewodność cieplną przygotowanych próbek GnP-epoksyd w funkcji temperatury pokazano na rysunku 1 (a-b) dla nanokompozytów zawierających różne ładunki GnP (xGnP M-25 i M-5, zwane dalej odpowiednio GnP25 i GnP5) (0,5 - 5,0 % mas.).

Dlaczego rozmiar i ładowanie mają znaczenie

Wartości przewodności cieplnej zwiększały się wraz ze wzrostem obciążenia GnP, a także wielkości cząstek, przy czym nanokompozyty nie wykazywały widocznego progu perkolacji termicznej. Nowy model efektywnego przewodnictwa cieplnego został następnie zweryfikowany z wynikami eksperymentalnymi dla losowo zorientowanych dwufazowych heterogenicznych nanokompozytów GnP-epoksyd. Tabela 1 zawiera parametry wejściowe wprowadzone do utworzonych modeli przewodności cieplnej, a następnie korelację danych eksperymentalnych z utworzonymi teoretycznymi modelami termicznymi przedstawionymi na rysunku 2 (a-b) odpowiednio dla nanokompozytów GnP-epoksydowych zawierających GnP25 i GnP5.

Tabela 1: Parametry wejściowe do modelowania przewodności cieplnej nanokompozytów GnP-Epoxy
Rysunek 2: Wykresy korelacji teoretycznego modelu termicznego z danymi eksperymentalnymi dla (a) nanokompozytów zawierających odpowiednio GnP25 i (b) GnP5

Stały wzrost przewodności cieplnej wraz ze wzrostem obciążenia wypełniaczem obserwuje się zarówno dla cząstek GnP25, jak i GnP5. Ponadto zaobserwowano silną zgodność między wartościami przewidywanymi przez model przewodności cieplnej a danymi eksperymentalnymi dla obu typów kompozytów (patrz rysunek 2 (a-b)), z obliczonymi współczynnikami korelacji ~ 0,98 i ~ 0,99 odpowiednio dla nanokompozytów zawierających GnP5 i GnP25. Wynik ten dowodzi, że skonstruowany w badaniu model przewodności cieplnej może zapewnić dobre przewidywanie przewodności cieplnej nanokompozytów GnP-epoksydowych przy różnych obciążeniach GnP. Zwiększenie wydajności skalowalności produkcji i rozszerzenie obecnych modeli materiałowych pomogłoby w projektowaniu grafenowych struktur kompozytowych o przewidywalnych właściwościach i bezpiecznych trybach awaryjnych, co z kolei ułatwiłoby produkcję skalowalnych kompozytów o strukturze laminatu do szeregu zaawansowanych zastosowań, takich jak przemysł lotniczy i motoryzacyjny.

Badanie toarch przyczyniło się do współpracy zarządzanej przez DMTC, obejmującej sieć badańarch i partnerów przemysłowych w całej Australii. Więcej szczegółów można znaleźć w artykule: Link do https://pubs.acs.org/doi/abs/10.1021/acs.iecr.1c04621

Odniesienia

[1] E. Pop, V. Varshney, A. K. a. K. Roy, MRS Bull.2012, 37, 1273.

[2] M. C. Mbambo, S. Khamlich, T. Khamliche, M. K. Moodley, K. Kaviyarasu, I. G. Madiba, M. J. Madito, M. Khenfouch, J. Kennedy, M. Henini, E. Manikandan, M. Maaza, Sci. Rep.2020, 10, 1.

[3] J. Chen, B. Liu, X. Gao, Results Phys.2020, 16, 102974.

[4] A. Mirabedini, A. Ang, M. Nikzad, B. Fox, K. T. Lau, N. Hameed, Adv. Sci.2020, 1903501, 33.

[5] M. Reghat, A. Mirabedini, A. M. Tan, Y. Weizman, P. Middendorf, R. Bjekovic, L. Hyde, D. Antiohos, N. Hameed, F. K. Fuss, B. Fox, Compos. Sci. Technol.2021, 211, 108842.

[6] Z. Barani, F. Kargar, A. Mohammadzadeh, S. Naghibi, C. Lo, B. Rivera, A. A. Balandin, Adv. Electron. Mater.2020, 6, 1.

[7] L. Anderson, P. Govindaraj, A. Ang, A. Mirabedini, N. Hameed, Carbon Trends2021, 4, 100047.

[8] Y. Su, J. J. Li, G. J. Weng, Carbon N. Y. 2018, 137, 222.

[9] M. Gresil, Z. Wang, Q. A. Poutrel, C. Soutis, Sci. Rep.2017, 7, 1.