MétaCan
Menu
Retour à la cohorte
Enregistrement W2745537268 · doi:10.1002/aic.15936

Ultrasound–assisted synthesis and characterization of polymethyl methacrylate/reduced graphene oxide nanocomposites

2017· article· en· W2745537268 sur OpenAlexaff
Maneesh Kumar Poddar, Sushobhan Pradhan, Vijayanand S. Moholkar, Mohammad Arjmand, Uttandaraman Sundararaj

Notice bibliographique

RevueAIChE Journal · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectromagnetic wave absorption materials
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésNanocompositeGrapheneMaterials scienceOxideGlass transitionUltimate tensile strengthPolymerComposite materialSonicationIn situ polymerizationEmulsion polymerizationPolymer nanocompositeChemical engineeringPolymerizationNanotechnology

Résumé

récupéré en direct d'OpenAlex

This article reports ultrasound–assisted synthesis of polymethyl methacrylate (PMMA)/reduced graphene oxide (RGO) nanocomposites by in situ emulsion polymerization coupled with in situ reduction of graphene oxide. The thermal degradation kinetics of the nanocomposites was also assessed with Criado and Coats‐Redfern methods. Intense microconvection generated by ultrasound and cavitation results in uniform dispersion of RGO in the polymer matrix, which imparts markedly higher physical properties to resulting nanocomposites at low (≤1.0 wt %) RGO loadings, as compared to nanocomposites synthesized with mechanical stirring. Some important properties of the PMMA/RGO nanocomposites synthesized with sonication (with various RGO loadings) are: glass transition temperature (0.4 wt %) = 124.5°C, tensile strength (0.4 wt %) = 40.4 MPa, electrical conductivity (1.0 wt %) = 2 × 10−7 S/cm, electromagnetic interference shielding effectiveness (1.0 wt %) = 3.3 dB. Predominant thermal degradation mechanism of nanocomposites (1.0 wt % RGO) is 1D diffusion with activation energy of 111.3 kJ/mol. © 2017 American Institute of Chemical Engineers AIChE J, 64: 673–687, 2018

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 Opus0,016
Tête enseignante GPT0,256
Écart entre enseignants0,240 · 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

Citations23
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetElectromagnetic wave absorption materialsTravaux en français237 207