MétaCan
Menu
Retour à la cohorte
Enregistrement W2747560975 · doi:10.1002/masy.201600139

Zirconocene Aluminohydride‐Methylaluminoxane Clathrates for Ethylene Polymerization in Slurry

2017· article· en· W2747560975 sur OpenAlexaff
Benjamín Padilla‐Gutiérrez, Carolina Ventura‐Hunter, Maricela García‐Zamora, Scott Collins, Alba Nidia Estrada‐Ramirez, Odilia Pérez‐Camacho

Notice bibliographique

RevueMacromolecular Symposia · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear materials and radiation effects
Établissements canadiensUniversity of Victoria
Organismes subventionnairesConsejo Nacional de Ciencia y Tecnología
Mots-clésClathrate hydrateMethylaluminoxaneCatalysisPolyethylenePolymerizationEthyleneMaterials sciencePolymer chemistryChemical engineeringMetalloceneChemistryHydrateOrganic chemistryPolymer

Résumé

récupéré en direct d'OpenAlex

The main aim of this work is to obtain heterogeneous, zirconocene aluminohydride/methylaluminoxane (MAO) polymerization catalysts, without using inorganic carriers like silica. The syntheses of zirconocenium ion‐based clathrates, formed from aluminohydride zirconocene complexes activated with MAO, are reported here. Several different approaches were examined for the synthesis of these clathrate compositions; in one approach the catalyst ( n BuCp 2 ZrH 3 AlH 2 /MAO) was first prepared in toluene solution, and the clathrate phase then generated by addition of silicone oil. An alternate approach involved reaction of silicone oil or another clathrate‐forming additive (e.g. KCl) with MAO to form a solidified clathrate, and then introducing the zirconocene aluminohydride complex ( n BuCp 2 ZrH 3 AlH 2 ). The clathrate catalysts were probed in the polymerization of ethylene in hydrocarbon slurry, without using additional co‐catalyst (MAO), or at very low concentrations of modified MAO (MMAO 7, 13 wt‐% in iso‐octane). The catalytic activities of the solid clathrate catalysts were compared as well as the morphology and properties of the polyethylene synthesized in slurry.

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 enseignants0,015
Score d'incertitude au seuil0,928

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 savante0,0000,000
Science ouverte0,0010,000
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 Opus0,011
Tête enseignante GPT0,282
Écart entre enseignants0,271 · 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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromolecular SymposiaMême sujetNuclear materials and radiation effectsTravaux en français237 207