MétaCan
Menu
Retour à la cohorte
Enregistrement W2396165416 · doi:10.1002/mats.201500081

Factors Affecting Grafting Density in Surface‐Initiated ATRP: A Simulation Study

2016· article· en· W2396165416 sur OpenAlexafffund
Erlita Mastan, Li Xi, Shiping Zhu

Notice bibliographique

RevueMacromolecular Theory and Simulations · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Surface Interaction Studies
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGraftingAtom-transfer radical-polymerizationMonomerPolymerPolymer chemistryMaterials sciencePolymerizationMonte Carlo methodDensity functional theoryChemistryChemical engineeringComputational chemistryComposite materialMathematics

Résumé

récupéré en direct d'OpenAlex

In surface‐initiated atom transfer radical polymerization, knowledge of grafting density is of significant interest because it is one of the determining properties of grafted polymer. It is well known that not all of the immobilized initiators can grow into polymer chains. However, little is known about why this happens and what affects the grafting efficiency. The lack of information is partly due to the difficulty in experimental determination of grafting density on flat substrates. To circumvent the problem, Monte Carlo simulation with bond fluctuation model is used in this study to investigate the effects of various reaction conditions on the grafting density. The simulation results show lower grafting density when less deactivator is present. In systems with lower deactivator concentration, the number of monomer added per activation cycle is higher. Coupling this with close proximity of immobilized initiators results in chains initiated at earlier time to shield their neighboring initiator moieties from adding mono­mers, thus lowering the grafting density in such a system. These simulation results also provide an explanation to the seemingly conflicting trend reported in the literatures. image

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,043
Tête enseignante GPT0,325
Écart entre enseignants0,282 · 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'étudeSimulation ou modélisation
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

Citations27
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMacromolecular Theory and SimulationsMême sujetPolymer Surface Interaction StudiesTravaux en français237 207