PVC/graphene oxide nanocomposite: a new dosimeter for gamma radiation applications

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 290

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISPST12_235

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

Graphene oxide-polyvinyl chloride composite was prepared using tetrahydrofuran solvent-assisted dispersion of characterized nano flakes of graphene oxide in polymer matrix. A Electrical percolation threshold of GO/PVC nanocomposite was determined via electrical conductivity measurements for nanocomposite with different graphene oxide contents of 0.01, 0.05, 0.1, 0.5, 1, 2, 3, 5, 10 wt.%. Obtained data associated to electrical conductivity of the polymer-GO composite for PVC matrix plotted in different GO weight percentages. A conductive cell with two silver coated walls was designed and fabricated for exploring dosimetric properties of the composite. Some characteristics of the new nanocomposite such as linearity of dose response, repeatability, sensitivity and angular dependence are investigated. The dose response is linear in the 17-51 mGy dose range and it can be introduced for gamma radiation dosimetry in diagnostic activities

کلیدواژه ها:

Graphene oxide- Synthesis of GO- PVC- Dosimetry- Gamma radiation

نویسندگان

Shahzad Feizi

Radiation Application Research School, Nuclear science and Technology Research Institute (NSTRI) Karaj, Iran.

Shahryar Malekie

Radiation Application Research School, Nuclear science and Technology Research Institute (NSTRI) Karaj, Iran.

Farhood Ziaie

Radiation Application Research School, Nuclear science and Technology Research Institute (NSTRI) Karaj, Iran.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :