MétaCan
Menu
Retour à la cohorte
Enregistrement W2583186215 · doi:10.11113/amst.v5i1.44

Preparation and Characterization of Blending Sulfonated Poly(ether ether ketone) with Charged Surface Modifying Macromolecules

2017· article· en· W2583186215 sur OpenAlexaff
M. N. A. Mohd–Norddin, Ahmad Fauzi Ismail, Takeshi Matsuura, D. Rana

Notice bibliographique

RevueJournal of Applied Membrane Science & Technology · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMembraneElectrolyteEtherPolymer chemistryChemical engineeringNafionThermal stabilityMaterials scienceMacromoleculePolymerSulfonic acidKetoneAryleneChemistryOrganic chemistryComposite materialElectrochemistryPhysical chemistryAlkyl

Résumé

récupéré en direct d'OpenAlex

Charged surface modifying macromolecule (cSMM) end capped with sulfonic group was prepared and blended into sulfonated poly(ether ether ketone) (SPEEK). The modified membrane was characterized for polymer electrolyte membrane application; i.e. a SPEEK/cSMM blend membrane was compared to a SPEEK membrane and a Nafion 112 membrane for the thermal and mechanical stability, hydrophilicity and water uptake. Thermal and mechanical stability of the blend membrane were slightly reduced from that of the SPEEK membrane but still higher than that of the Nafion 112 membrane. The cSMM which was end–capped with sulfonic group has increased the total –SO3H group in the blend membrane. As a result, the blend membrane showed an increase in hydrophilicity and water uptake as compared to the pristine membrane. The addition of cSMM with an additional –SO3– charge has enabled the water uptake to be increased which is crucial to enhance the proton conductivity that of SPEEK. Moreover, the extra –SO3– can facilitate the transfer of proton better. This study found that cSMM is a good candidate as an additive for SPEEK in improving its function as polymer electrolyte membrane.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,229
Écart entre enseignants0,222 · 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'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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Membrane Science & TechnologyMême sujetFuel Cells and Related MaterialsTravaux en français237 207