MétaCan
Menu
Retour à la cohorte
Enregistrement W1992581869 · doi:10.1002/masy.200951111

Simultaneous Deconvolution of the Molecular Weight and Chemical Composition Distribution of Polyolefins Made with Ziegler‐Natta Catalysts

2009· article· en· W1992581869 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 Symposia · 2009
Typearticle
Langueen
DomaineChemistry
ThématiqueOrganometallic Complex Synthesis and Catalysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPolyolefinLinear low-density polyethyleneFractionationMolar mass distributionPolyethyleneNattaGel permeation chromatographyDeconvolutionMaterials scienceElutionPolymer chemistryPolymerChemistryAnalytical Chemistry (journal)Chemical engineeringPolymerizationChromatographyComposite materialMathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

Abstract Heterogeneous Ziegler‐Natta catalysts produce polyolefins that have broad distributions of molecular weight (MWD) and chemical composition (CCD). For such broad distributions, mathematical models are useful to quantify the information provided by polyolefin analytical techniques such as high‐temperature gel permeation chromatography (GPC), temperature rising elution fractionation (TREF), and crystallization analysis fractionation (CRYSTAF). In this paper, we developed a mathematical model to deconvolute the MWD and CCD of polyolefins simultaneously, using Flory's most probable distribution and the cumulative CCD component of Stockmayer's distribution. We have applied this procedure to “model” polyolefin resins and to one industrial linear low‐density polyethylene (LLDPE) resin. The proposed methodology is able to deconvolute theoretical distributions even when random noise is added to the MWDs and CCDs, and it can be used to calculate the minimum number of active site types on heterogeneous Ziegler‐Natta catalysts.

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)0,000
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 enseignants0,004
Score d'incertitude au seuil0,727

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 Opus0,002
Tête enseignante GPT0,182
Écart entre enseignants0,179 · 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