Molar mass distributions of polymers from size exclusion chromatography and matrix‐assisted laser desorption/ionization time‐of‐flight mass spectrometry: Methods for comparison
Notice bibliographique
Résumé
Abstract Equations are presented for calculating molar mass averages and molar mass distributions from matrix‐assisted laser desorption/ionization time‐of‐flight mass spectrometry (MALDI‐TOF MS) data and from size exclusion chromatography (SEC) data. The utility of polydispersity is examined as an indicator of the expectation of MALDI‐TOF MS mass discrimination effects. Cumulative distributions are found to be rich in information for comparing the two techniques and are easily obtained from both SEC and MALDI‐TOF MS data. Analyses of a series of narrow molar mass distribution poly(methyl methacrylate) (PMMA) standards and one polydisperse sample have been performed with both methods. MALDI‐TOF MS did not detect dimer and trimer in the PMMA samples, and it often indicated lower amounts of high‐molar‐mass polymers than did SEC. The results showed that the distribution breadth, as evidenced by the standard deviation of the distribution (calculated from the polydispersity and number‐average molar mass), correlated well with the molar mass range observed in the MALDI‐TOF MS spectra, whereas the polydispersity alone did not. Ratioing the extremes in the molar mass concentrations measured with the SEC differential refractometer, which were necessary to adequately define molar mass distributions, showed that detector dynamic range values as high as approximately 370,000 were required for the polydisperse samples. © 2005 Wiley Periodicals, Inc. J Appl Polym Sci 97: 627–639, 2005
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».