MétaCan
Menu
Retour à la cohorte
Enregistrement W2315285999 · doi:10.1021/jp2071343

Kinetics of Polymerization of a Liquid with Nanosize Structural Heterogeneities

2011· article· en· W2315285999 sur OpenAlexaff
Joseph Khouri, G. P. Johari

Notice bibliographique

RevueThe Journal of Physical Chemistry B · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSilicone and Siloxane Chemistry
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPolymerizationKineticsGlass transitionEnthalpySilsesquioxaneDiffusionPolymer chemistryMaterials scienceChemical engineeringChemistryPolymerThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

We report the effects of chemically reacting, nanometer-size structural heterogeneity on a polymerization process. Heterogeneity is introduced by adding 2 nm size molecules of polyhedral oligomeric silsesquioxane with multiepoxide groups (POSS) while maintaining stoichiometry of a polymerizing triamine-diepoxide mixture. Calorimetric studies show that POSS addition first increases the polymerization rate and then decreases it progressively more. In the presence of nanometer-scale structural heterogeneity, diffusion-controlled kinetics begins sooner in time. The enthalpy of polymerization decreases with the amount of POSS heterogeneity according to the mixture rule; the glass-liquid transition endotherm of the partially polymerized state becomes broader, and the enthalpy of post polymerization decreases. The POSS-alone mixture polymerizes relatively slower, and the glass-liquid transition exotherm of the polymerized state is indistinguishably broad. Both are attributed to the distribution of diffusion rates or dispersive kinetics, and the development of dynamic heterogeneity more rapidly for the POSS-only mixture than for others. Increase in the polymerization rate on initial addition of nanometer-size POSS and then decrease on further addition is explained in terms of decoupling of diffusion from viscous flow, that is, when the diffusion rate decreases less rapidly with the polymerization time than the viscosity increases.

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 enseignants0,001
Score d'incertitude au seuil0,225

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 Opus0,013
Tête enseignante GPT0,218
Écart entre enseignants0,204 · 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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry BMême sujetSilicone and Siloxane ChemistryTravaux en français237 207