Predictive modeling of dielectric properties in crosslinked polyphenylene oxide systems: Molecular dynamics simulations and experimental validation

材料科学 电介质 热固性聚合物 分子动力学 基质(水族馆) 氧化物 纳米技术 复合材料 光电子学 计算化学 化学 冶金 海洋学 地质学
作者
Xiaowei Wu,Zeming Fang,Xiaotao Zhu,Cheng Luo,Dan Li,Qianfa Liu,Ke Xue,Ke Wang
出处
期刊:Polymer Engineering and Science [Wiley]
卷期号:64 (10): 4834-4849
标识
DOI:10.1002/pen.26884
摘要

Abstract In high‐frequency applications such as 5G‐6G communication, internet of things, automotive radar, and automated driver‐assistance systems, substrate materials excel as insulating layers owing to their superior dielectric properties. However, traditional methods for material development are often laborious and costly. To overcome these limitations, we employed molecular dynamics (MD) simulations to predict the dielectric properties of these materials at frequencies exceeding 10 7 Hz. Specifically, we selected thermosetting polyphenylene oxide (m‐PPO) as the resin matrix and combined it with three crosslinking agents, respectively: triallyl cyanurate, triallyl isocyanurate, and trimethylallyl isocyanurate. Our overarching goal is to provide comprehensive insights into the development and enhancement of materials critical for high‐frequency electronic devices. We anticipate that this methodology will be widely adopted for the development of advanced substrate materials across various applications, with the objective of effectively screening crosslinkers. Highlights Developed a simulation method to efficiently explore material scenarios for high‐frequency applications. Studied the dielectric properties of m‐PPO combined with three crosslinking agents at high frequencies. Successfully predicted dielectric properties using MD simulations.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
1秒前
杨春天发布了新的文献求助10
2秒前
斯文败类应助wwuxinhui采纳,获得10
2秒前
儒雅太君完成签到,获得积分10
2秒前
3秒前
4秒前
6秒前
舒适嘉熙完成签到,获得积分10
6秒前
SAINT发布了新的文献求助20
6秒前
zdx1022完成签到,获得积分10
7秒前
7秒前
鱼鱼鱼KYSL发布了新的文献求助10
9秒前
Hello应助一白采纳,获得10
9秒前
cx关闭了cx文献求助
10秒前
10秒前
10秒前
友好亚男发布了新的文献求助10
10秒前
10秒前
12秒前
你的英雄完成签到,获得积分10
12秒前
yyh发布了新的文献求助10
12秒前
专注学习完成签到,获得积分20
12秒前
13秒前
13秒前
13秒前
15秒前
SciGPT应助Xhhh采纳,获得10
15秒前
研友_VZG7GZ应助高高的梦曼采纳,获得10
15秒前
15秒前
wwuxinhui发布了新的文献求助10
16秒前
上官若男应助lyz666采纳,获得10
16秒前
健壮的惠完成签到,获得积分10
16秒前
ccc发布了新的文献求助30
17秒前
HJCKYCG发布了新的文献求助10
17秒前
你的英雄发布了新的文献求助30
19秒前
19秒前
mratoz发布了新的文献求助10
19秒前
20秒前
20秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3157989
求助须知:如何正确求助?哪些是违规求助? 2809366
关于积分的说明 7881582
捐赠科研通 2467822
什么是DOI,文献DOI怎么找? 1313728
科研通“疑难数据库(出版商)”最低求助积分说明 630522
版权声明 601943