MétaCan
Menu
Retour à la cohorte
Enregistrement W1980104585 · doi:10.1002/mren.201100009

Reactivity Ratio Estimation from Cumulative Copolymer Composition Data

2011· article· en· W1980104585 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMacromolecular Reaction Engineering · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésReactivity (psychology)CopolymerComposition (language)Differential equationEstimation theoryApplied mathematicsEstimationBiological systemChemistryComputer scienceMaterials scienceMathematicsThermodynamicsAlgorithmPhysicsOrganic chemistryMathematical analysisPolymer

Résumé

récupéré en direct d'OpenAlex

Abstract The goal is to present an alternative technique for reactivity ratio estimation in copolymerization. Typically, reactivity ratios are estimated using the instantaneous copolymer composition equation, based on low conversion copolymer composition data. However, using experimental data from the full copolymerization trajectory would, in principle, be more advantageous, and shy away from commonly used restrictive assumptions. Estimation using cumulative copolymerization data and models eliminates the difficulties associated with stopping reactions at low conversion, while one gains to study the full polymerization trajectory. The error‐in‐variables‐model (EVM) method is used for parameter estimation. Two cumulative model forms, the analytical integration of the differential composition equation and the one resulting from the direct numerical integration of this equation, are employed. Using these two types of models improves the reactivity ratio estimation and, in particular, the latter model form is a more reliable and direct method of estimating reactivity ratios. magnified image

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.

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)0,001
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 enseignants0,373
Score d'incertitude au seuil0,890

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,031
Tête enseignante GPT0,260
Écart entre enseignants0,230 · 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