MétaCan
Menu
Retour à la cohorte
Enregistrement W2055836037 · doi:10.1021/ma002052e

Effect of Soft Filler Particles on Polymer Diffusion in Poly(butyl methacrylate) Latex Films

2001· article· en· W2055836037 sur OpenAlexaff
Ewa Odrobina, Jianrong Feng, Hung H. Pham, Mitchell A. Winnik

Notice bibliographique

RevueMacromolecules · 2001
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMaterial Dynamics and Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDiffusionPolymerMethacrylateMaterials scienceAcrylatePolymer chemistryComposite materialCopolymerChemical engineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

We examine the influence of small (56 nm diameter) cross-linked poly(butyl acrylate) (xPBA) particles as fillers on the diffusion rate of poly(butyl methacrylate) (PBMA) molecules in PBMA latex films. For the high- M PBMA sample ( M w = 400 000), the presence of soft, elastic particles strongly decreases the diffusion rate of the PBMA molecules across the intercellular boundaries. The retardation effect increases linearly with xPBA content, with the surface-to-volume ratio for xPBA particles of different size, and is best explained as an obstacle effect on the PBMA diffusion rate. For the low- M PBMA sample ( M w = 35 000), the presence of 30 vol % cross-linked PBA particles increases the diffusion rate of the PBMA polymer, whereas in the presence of 60 vol % cross-linked PBA particles, the PBMA diffusion rate is the same as that in the latex film without filler. Thus, the overall effect of soft filler particles on polymer diffusion is a combination of an obstacle effect, which retards polymer diffusion, and a second effect, probably a free volume effect, which promotes polymer diffusion. This effect is much smaller for the high- M PBMA sample. Depending on which of these effects dominates, one can observe an increase or decrease in the polymer diffusion rate.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,007
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,008
Tête enseignante GPT0,237
Écart entre enseignants0,229 · 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.

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

Citations22
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromoleculesMême sujetMaterial Dynamics and PropertiesTravaux en français237 207