MétaCan
Menu
Retour à la cohorte
Enregistrement W2306296774 · doi:10.1002/aic.15232

Mathematical modeling of the full molecular weight distribution in ATRP techniques

2016· article· en· W2306296774 sur OpenAlexaff
Iván Zapata‐González, Robin A. Hutchinson, Kevin A. Payne, Enrique Saldívar‐Guerra

Notice bibliographique

RevueAIChE Journal · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensQueen's University
Organismes subventionnairesConsejo Nacional de Ciencia y TecnologíaIndian Council of Agricultural Research
Mots-clésAtom-transfer radical-polymerizationRadicalWork (physics)Molar mass distributionPolymerizationAtom (system on chip)ChemistryElectron transferRadical polymerizationThermodynamicsMaterials sciencePolymerPhotochemistryComputer scienceOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

In this work the molecular weight distribution (MWD) of several atom transfer radical polymerization (ATRP) techniques has been derived and solved using the Reduced Stiffness by Quasi Steady State Approximation (RSQSSA) methodology. The Quasi Steady State Approximation has been validated on the living radicals for normal, Simultaneous Reversible and Normal Initiation and Activators Regenerated by Electron Transfer (ARGET), and it is shown that the information lost due to its application is negligible. According to these results, RSQSSA shows the best performance in terms of wall‐clock time and required memory in comparison to implicit techniques and Predici. In the case of the ARGET technique, the model predictions show good agreement with experimental data. Finally, an analysis on the impact of the slow and fast activation of the initiator on the MWD using ARGET has been carried out, indicating that the optimal initiator to control the MWD should exhibit activation‐deactivation rates very similar to those of the polymeric equilibrium. © 2016 American Institute of Chemical Engineers AIChE J , 62: 2762–2777, 2016

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 enseignants0,131
Score d'incertitude au seuil0,142

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 Opus0,005
Tête enseignante GPT0,187
Écart entre enseignants0,183 · 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

Citations28
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetFuel Cells and Related MaterialsTravaux en français237 207