MétaCan
Menu
Retour à la cohorte
Enregistrement W2082931578 · doi:10.1134/s156009041466004x

Effect of long chain branching on the properties of polyethylene synthesized via metallocene catalysis

2014· article· en· W2082931578 sur OpenAlexaff
Mohammad Anwar Parvez, Mostafizur Rahaman, João B. P. Soares, Ibnelwaleed A. Hussein, Mohammed Suleiman

Notice bibliographique

RevuePolymer Science Series B · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer crystallization and properties
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésBranching (polymer chemistry)PolyethylenePolymerizationMetalloceneMaterials sciencePolymerPolymer chemistryMolar mass distributionRheologyNucleationPost-metallocene catalystCrystallizationChemical engineeringChemistryComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

In this research, the effect of long chain branching (LCB) and polymerization conditions on thermal, mechanical, and rheological properties of polyethylene synthesized via a metallocene polymerization was studied. The LCB was varied in the range of 0.64–1.14 per 10 4 atoms of C. 13 C NMR spectra showed that the distributions of both short as well as long chain branches in the polymer backbone chain are influenced by polymerization conditions. The increase in ethylene pressure leads to rise in polymer yield, catalyst activity, molecular weight, and narrowing of molecular weight distribution. In contrast, the increase of polymerization duration results in broadening of MWD and a decrease in catalyst activity. In addition, the influence of frequency and LCB on dynamic shear and extensional melt rheology has been reported. The polymer crystallization was discussed in light of Avrami model and modified Hoffman-Lauritzen theory. LCB promoted the transport of chain segments but retarded the nucleation in polyethylene crystallization. The tensile strength decreased with the increase in LCB content. The different macroscopic properties were correlated to LCB content.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,008
Score d'incertitude au seuil0,784

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,009
Tête enseignante GPT0,212
Écart entre enseignants0,203 · 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

Citations15
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymer Science Series BMême sujetPolymer crystallization and propertiesTravaux en français237 207