MétaCan
Menu
Retour à la cohorte
Enregistrement W2102328703 · doi:10.1002/aic.11896

Encapsulation of nanoparticles by polymerization compounding in a gas/solid fluidized bed reactor

2009· article· en· W2102328703 sur OpenAlexaff
Babak Esmaeili, Jamal Chaouki, Charles Dubois

Notice bibliographique

RevueAIChE Journal · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueMembrane Separation and Gas Transport
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePolymerizationChemical engineeringPolymerNanoparticleFluidized bedTransmission electron microscopyCoatingNanotechnologyChemistryComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract For the first time, a fluidized bed reactor was used for encapsulating nanoparticles by the polymerization compounding approach using Ziegler–Natta catalysts. The polymerization reaction was carried out using a solvent‐free process in a gas‐phase reactor. This direct gas–solid reaction greatly simplified collecting the particles of interest after polymerization because none of the extra steps often found in encapsulation processes, such as filtering and drying, were performed in this work. The grafting of the catalyst to the original surface of particles was confirmed by X‐ray photoelectron spectroscopy. Micrographs obtained by transmission electron microscopy confirmed the presence of a thin layer of polymer, in the order of a few nanometers, around the particles. The thickness of this coating was affected by the operating conditions of the process. The characterization of the modified particles with electron microscopy also revealed that zirconia nanoparticles tend to be coated in an agglomerated state, whereas aluminum particles were mostly individually encapsulated by the polymer. In addition, the effects of temperature and pressure were studied on the encapsulation process and a kinetic analysis was presented based on the available models in the literature. © 2009 American Institute of Chemical Engineers AIChE J, 2009

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 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 enseignants0,010
Score d'incertitude au seuil0,327

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,236
Écart entre enseignants0,228 · 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

Citations10
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetMembrane Separation and Gas TransportTravaux en français237 207