MétaCan
Menu
Retour à la cohorte
Enregistrement W2430413118 · doi:10.1002/mame.201600230

Cationic Hydrolytically Degradable Flocculants with Enhanced Water Recovery for Oil Sands Tailings Remediation

2016· article· en· W2430413118 sur OpenAlexafffund
Thomas R. Rooney, Sarang P. Gumfekar, João B. P. Soares, Robin A. Hutchinson

Notice bibliographique

RevueMacromolecular Materials and Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of AlbertaQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCationic polymerizationMaterials sciencePolycaprolactoneFlocculationChemical engineeringPolyesterEmulsionPolymerizationTailingsHydrolysisMethacrylateEmulsion polymerizationPolymerPolymer chemistryOrganic chemistryChemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Micellar radical polymerization of a short‐chain polyester macromonomer, polycaprolactone choline iodide ester methacrylate (PCL n ChMA), is used to produce a new cationic flocculant that becomes more hydrophobic in response to hydrolytic degradation. The cationic tips of the comb‐like poly(PCL 3 ChMA) accelerate the settling rate of oil sands tailings, while partial hydrolysis of the polyester grafts reveals the hydrophobic segments that reduce capillary suction time by 30%. This technology combines the material properties of polyesters with the productivity of radical polymerization to make dual functional flocculants with characteristics that can be easily tuned to control flocculation performance, such as polymeric cation density, hydrophobic content, and polymer architecture. 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 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 enseignants0,266
Score d'incertitude au seuil0,610

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 Opus0,003
Tête enseignante GPT0,170
Écart entre enseignants0,167 · 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

Citations26
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMacromolecular Materials and EngineeringMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207