MétaCan
Menu
Retour à la cohorte
Enregistrement W2023993740 · doi:10.1088/0953-8984/20/24/244131

Modification of the ageing dynamics of glassy polymers due to a temperature step

2008· article· en· W2023993740 sur OpenAlexaff
M.R. Warren, Jörg Rottler

Notice bibliographique

RevueJournal of Physics Condensed Matter · 2008
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMaterial Dynamics and Properties
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRelaxation (psychology)AgeingGlass transitionMaterials scienceSuperposition principleDynamics (music)RejuvenationThermodynamicsPolymerPhysicsComposite materialQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Molecular dynamics simulations are used to investigate the connection between thermal history and physical aging in polymer glasses, in particular the effects of a temperature square step. Measurements of two-time correlation functions show that a negative temperature step causes "rejuvenation" of the sample: the entire spectrum of relaxation times appears identical to a younger specimen that did not experience a temperature step. A positive temperature step, however, leads to significant changes in the relaxation times. At short times, the dynamics are accelerated (rejuvenation), whereas at long times the dynamics are slowed (over-aging). All findings are in excellent qualitative agreement with recent experiments. The two regimes can be explained by the competing contributions of dynamical heterogeneities and faster aging dynamics at higher temperatures. As a result of this competition, the transition between rejuvenation and over-aging depends on the length of the square step, with shorter steps causing more rejuvenation and longer steps causing more over-aging. Although the spectrum of relaxation times is greatly modified by a temperature step, the van Hove functions, which measure the distribution of particle displacements, exhibit complete superposition at times when the mean-squared displacements are equal.

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 enseignants0,012
Score d'incertitude au seuil0,270

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 Opus0,014
Tête enseignante GPT0,221
Écart entre enseignants0,207 · 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

Citations5
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Condensed MatterMême sujetMaterial Dynamics and PropertiesTravaux en français237 207