MétaCan
Menu
Retour à la cohorte
Enregistrement W2009977585 · doi:10.1021/ie900579h

Polypropylene and Ethylene−Propylene Copolymer Reactor Alloys Prepared by Metallocene/Ziegler−Natta Hybrid Catalyst

2009· article· en· W2009977585 sur OpenAlexaff
Lie Lu, Hong Fan, Bo‐Geng Li, Shiping Zhu

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2009
Typearticle
Langueen
DomaineChemistry
ThématiqueOrganometallic Complex Synthesis and Catalysis
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMetalloceneCopolymerMaterials scienceEthylenePost-metallocene catalystMethylaluminoxanePolypropyleneZiegler–Natta catalystPolymer chemistryCatalysisEthylene propylene rubberNattaPropeneChemical engineeringPolymerizationOrganic chemistryChemistryPolymerComposite material

Résumé

récupéré en direct d'OpenAlex

Polypropylene/ethylene−propylene rubber (PP/EPR) reactor alloys were prepared with a metallocene/Ziegler−Natta hybrid catalyst system ( rac -Et(Ind) 2 ZrCl 2 /TiCl 4 /MgCl 2 ) using a process composed of three stages: propylene homopolymerization, metallocene activation, and ethylene−propylene copolymerization. A series of alloy samples were produced and characterized at various copolymerization conditions by varying the methylaluminoxane (MAO)/Zr ratio and monomer composition. It was shown that the metallocene/Ziegler−Natta hybrid system exhibited the features of both metallocene and Ziegler−Natta catalysts during copolymerization. The hybrid catalyst had better ability in incorporating α-olefin than the Ziegler−Natta catalyst owing to the action of metallocene active sites. DSC and IR analyses suggested that EPR in the alloys became random with increased MAO/Zr ratio. In addition, reducing the ethylene content in the feed decreased the activity and promoted the production of random copolymers. An operation window of reaction conditions was identified for the preparation of well-dispersed spherical PP/EPR reactor alloy particles containing up to about 40 wt % EPR.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,045
Tête enseignante GPT0,286
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), 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

Citations24
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetOrganometallic Complex Synthesis and CatalysisTravaux en français237 207