MétaCan
Menu
Retour à la cohorte
Enregistrement W2594699198 · doi:10.1021/acs.iecr.7b00192

Polyurea Structure Characterization by HR-MAS NMR Spectroscopy

2017· article· en· W2594699198 sur OpenAlexafffund
Xubao Jiang, Xiaoli Zhu, Alexandre A. Arnold, Xiang Zheng Kong, Jérôme P. Claverie

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer composites and self-healing
Établissements canadiensUniversité de SherbrookeUniversité du Québec à Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNational Natural Science Foundation of China
Mots-clésBiuret testChemistryHeteronuclear single quantum coherence spectroscopyChemical shiftMagic angle spinningCharacterization (materials science)Nuclear magnetic resonance spectroscopyCarbon-13 NMRTransverse relaxation-optimized spectroscopySolid-state nuclear magnetic resonanceChemical structureFluorine-19 NMRAnalytical Chemistry (journal)Physical chemistryNuclear magnetic resonanceMaterials scienceOrganic chemistryNanotechnology

Résumé

récupéré en direct d'OpenAlex

Owing to the presence of abundant interchain interactions such as hydrogen bonds, polyureas (PU) are only swellable or soluble in a limited number of highly protonic solvents, and the viscosity of the solutions obtained is very high, making their chemical structure characterization hard or even impossible by standard NMR. Accurate structure analysis is also hard by solid-state NMR due to low spectral resolution. The presence of a side reaction in their synthesis generating biuret cross-links is often invoked to explain their insolubility. Here we demonstrate that High Resolution Magic Angle Spinning (HR-MAS) NMR is an efficient tool for the chemical structure analysis even for cross-linked PU. With 1 H, 13 C, and 1 H– 15 N HSQC combined, a variety of linear and cross-linked PU is analyzed by HR-MAS NMR, and conclusive information on their chemical structure is obtained, which reveals for the first time that the biuret group is absent in all PU.

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)0,001
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 enseignants0,010
Score d'incertitude au seuil0,919

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,049
Tête enseignante GPT0,323
Écart entre enseignants0,274 · 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

Citations18
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetPolymer composites and self-healingTravaux en français237 207