Bakır destekli bor katkılı grafen (CuBG) hibrit nanokompozitleri, basit, ekonomik ve ölçeklenebilir bir sıvı faz karıştırma yöntemiyle hazırlanmıştır. Çalışmada, Cu(NO₃)₂·3H₂O, bor ve grafen oksidin (GO) ağırlık yüzdeleri değişkenleri kullanılarak elektriksel iletkenliğin optimizasyonu Yanıt Yüzey Metodolojisi (RSM) ve Box–Behnken tasarımı (BBD) ile gerçekleştirilmiştir. Bu çalışma, literatürde ilk kez, bakır destekli bor–grafen hibrit nanokompozitlerinde grafen oksit yüklemesine bağlı elektriksel iletkenliğin RSM tabanlı sistematik optimizasyonunu ortaya koymaktadır. Optimum koşullar ağırlıkça %70 bor, %10 GO ve %25 Cu(NO₃)₂·3H₂O olarak belirlenmiş olup, bu koşullarda sentezlenen nanokompozitin iletkenliği GO’ya kıyasla 4.4 μS·cm⁻¹’den 144.7 μS·cm⁻¹’e yükselmiştir. Optimum koşullarda hazırlanan nanokompozitler Fourier dönüşümlü kızılötesi spektroskopi (FTIR), X-ışını kırınımı (XRD) ve alan emisyonlu taramalı elektron mikroskobu (FESEM) teknikleriyle karakterize edilmiştir. FESEM görüntüleri, Cu ve bor partiküllerinin grafen nanoplakaları üzerinde homojen şekilde dağıldığını ve bu partiküllerin grafen tabakaları arasına gömülerek sandviç benzeri bir yapı oluşturduğunu göstermiştir. Bulgular, RSM’nin yüksek elektriksel iletkenliğe sahip nanokompozitlerin düşük maliyetle sentezlenmesinde etkili bir optimizasyon aracı olduğunu ve CuBG hibrit nanokompozitlerinin sensör, enerji depolama ve iletken malzeme uygulamaları için yüksek potansiyel sunduğunu ortaya koymaktadır.
Copper-supported boron-doped graphene (CuBG) hybrid nanocomposites were synthesized using a simple, economical, and scalable liquid-phase mixing method. The electrical conductivity was optimized through Response Surface Methodology (RSM) and Box–Behnken Design (BBD), considering the weight percentages of Cu(NO₃)₂·3H₂O, boron, and graphene oxide (GO) as variables. This study reports, for the first time, the systematic RSM-based optimization of electrical conductivity in copper-supported boron–graphene hybrid nanocomposites as a function of graphene oxide loading. The optimum composition was determined to be 70 wt% boron, 10 wt% GO, and 25 wt% Cu(NO₃)₂·3H₂O. Under these optimized conditions, the electrical conductivity increased from 4.4 μS·cm⁻¹ (GO) to 144.7 μS·cm⁻¹. The nanocomposites were characterized using Fourier Transform Infrared Spectroscopy (FTIR), X-ray Diffraction (XRD), and Field Emission Scanning Electron Microscopy (FESEM). FESEM images revealed that Cu and boron particles were uniformly distributed on the graphene nanosheets and embedded between the layers, forming a sandwich-like structure. Overall, the results demonstrate that RSM is a powerful and efficient tool for developing cost-effective, highly conductive nanocomposites with promising potential in sensors, energy storage devices, and conductive material applications.
