MétaCan
Menu
Retour à la cohorte
Enregistrement W2067515139 · doi:10.1515/epoly.2011.11.1.169

Preparation of a new polypropylene/clay nanocomposites via in situ polymerization

2011· article· en· W2067515139 sur OpenAlexaff
Ghasem Naderi, Mehdi Nekoomanesh, Reza Mehtarani, Hasan. Eslami

Notice bibliographique

Revuee-Polymers · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Nanocomposites and Properties
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesIran Polymer and Petrochemical Institute
Mots-clésMaterials scienceNanocompositeIn situ polymerizationPolymerPolypropyleneComposite materialMontmorilloniteRheologyPolymerizationOrganoclayViscoelasticityPolymer clayPolymer chemistryChemical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Novel polypropylene/clay nanocomposites were prepared by in situ polymerization method with TiCl 4 /MgCl 2 /organoclay/internal donor- AlEt 3 catalyst. The organo clay used is commercial Closite 15A that is an ammonium saltmodified montmorillonite (AMMT). For preparation of the catalyst, MgCl2 was deposited into the swollen AMMT layers and then TiCl4 and internal donor were loaded on the layer surfaces of AMMT. X-ray diffraction (XRD), transmission electron microscopy (TEM) and rheological measurements were used for characterization of the nanocomposites. The Linear and nonlinear melt-state viscoelastic properties of the polymer matrix and its nanocomposite are also investigated. In the presence of the clay lamellae, a pronounced increase in the low frequency moduli is observed. Transient rheological data reveal a stress overshoot for nanocomposite where there is no significant overshoot for polymer matrix. This stress overshoot can be attributed to the deformation and orientation of the special structure of clay platelets in polymer melts. Finally, experimental data are compared with the predictions of a mesoscopic rheological model.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,020
Tête enseignante GPT0,251
Écart entre enseignants0,231 · 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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuee-PolymersMême sujetPolymer Nanocomposites and PropertiesTravaux en français237 207