Organic solvent‐free catalytic hydrogenation of diene‐based polymer nanoparticles in latex form: Part I. Preparation of nano‐substrate
Notice bibliographique
Résumé
Abstract Poly(butadiene‐ co ‐acrylonitrile) (NBR) nanoparticles were synthesized in a semibatch emulsion polymerization system using Gemini surfactant trimethylene‐1,3‐bis (dodecyldimethylammonium bromide), referred to as Gemini‐type surfactant (GS) 12‐3‐12, as the emulsifier. In this polymerization system, an enhanced decomposition rate of initiator ammonium persulfate was achieved even under the low temperature of 50 °C which is attributed to the acidic initiation environment provided using GS 12‐3‐12. The microstructure and copolymer composition of the polymer nanoparticles were characterized by Fourier‐transformed infrared and 1 H nuclear magnetic resonance spectroscopy. The effects of the surfactant concentration on the particle size, zeta potential, polymerization conversion, copolymer composition, molecular weight, and glass transition temperature ( T g ) were investigated. It was found that the particle diameter can be controlled by the surfactant concentration and monomer/water ratio and particle sizes below 20 nm can be reached. The obtained latex particles exhibit a spherical morphology. A kinetic study of the copolymerization reaction was carried out, which indicated that an azeotropic composition was produced. The synthesized fine NBR nanoparticles can be employed as the nano substrate for a subsequent hydrogenation process so as to overcome the challenge involved in the field of latex hydrogenation of polymers, which can be found in a related report: Organic Solvent‐Free Catalytic Hydrogenation of Diene‐based Polymer Nanoparticles in Latex Form: Part II. Kinetic Analysis and Mechanistic Study. © 2012 Wiley Periodicals, Inc. J Polym Sci Part A: Polym Chem, 2012
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».