MétaCan
Menu
Retour à la cohorte
Enregistrement W2022379581 · doi:10.1002/pen.23963

Mixing effect on emulsion polymerization in a batch reactor

2014· article· en· W2022379581 sur OpenAlexafffund
Shideh Fathi Roudsari, Ramdhane Dhib, Farhad Ein‐Mozaffari

Notice bibliographique

RevuePolymer Engineering and Science · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMixing (physics)Materials scienceEmulsion polymerizationEmulsionPolymerizationChemical engineeringComposite materialPolymer

Résumé

récupéré en direct d'OpenAlex

The emulsion polymerization of methyl methacrylate (MMA) was carried out in a lab‐scale reactor, which was equipped with a pitched blade turbine, four baffles, a U shaped cooling coil, and a temperature controller. Potassium persulfate was used as the initiator and sodium dodecyl sulfate as the surfactant. The effects of impeller speed, mounting baffles, and reaction temperature on the monomer conversion, polymer nano particle size and number, and molecular weight were examined in detail. An increase in the impeller speed up to 250 rpm enhanced the polymer properties but further agitation reduced the conversion, particle size, and molecular weight. The installation of the baffles enhanced the particle size and molecular weight but reduced the conversion and particle number. The use of baffles resulted in a narrower size distribution throughout the polymerization process. While the particle size and molecular weight were reduced with an increase in the reaction temperature, the monomer conversion and particle number were improved. POLYM. ENG. SCI., 55:945–956, 2015. © 2014 Society of Plastics Engineers

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,005
Tête enseignante GPT0,209
Écart entre enseignants0,205 · 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

Citations25
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolymer Engineering and ScienceMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207