MétaCan
Menu
Retour à la cohorte
Enregistrement W1971330694 · doi:10.1002/macp.201200238

Mathematical Modeling of Temperature Rising Elution Fractionation (TREF) of Polyethylene and Ethylene/1‐Olefin Copolymers

2012· article· en· W1971330694 sur OpenAlexaff
Ekaphol Siriwongsarn, Siripon Anantawaraskul, Nuttawat Chokputtanawuttilerd, Abdulaziz Alghyamah, João B. P. Soares

Notice bibliographique

RevueMacromolecular Chemistry and Physics · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer crystallization and properties
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComonomerFractionationCopolymerElutionPolyethyleneEthyleneChemistryMolar mass distributionDissolutionChemical engineeringOlefin fiberChromatographyPolymer chemistryMaterials scienceOrganic chemistryPolymerCatalysis

Résumé

récupéré en direct d'OpenAlex

Abstract Temperature rising elution fractionation (TREF) is a characterization technique widely used to estimate chemical composition distribution (CCD) of semicrystalline copolymers. Although several mathematical models have been previously proposed to elucidate the TREF fractionation mechanism, all previous TREF models assume equilibrium fractionation; thus, they cannot describe important kinetics effects observed in TREF experiments. In this work, a new TREF model is developed incorporating crystallization and dissolution kinetic models during the fractionation process. The proposed model describes the effects of molecular weight, comonomer content, cooling rate, heating rate, and solvent flow rate on experimental TREF profiles for both polyethylene and ethylene/1‐olefin copolymers very well.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,015
Score d'incertitude au seuil0,391

Scores Codex et Gemma par catégorie

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 Opus0,012
Tête enseignante GPT0,233
Écart entre enseignants0,221 · 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 tête enseignante, 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

Citations17
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromolecular Chemistry and PhysicsMême sujetPolymer crystallization and propertiesTravaux en français237 207