MétaCan
Menu
Retour à la cohorte
Enregistrement W2775470575 · doi:10.1021/jacs.7b10901

Magnetic Levitation To Characterize the Kinetics of Free-Radical Polymerization

2017· article· en· W2775470575 sur OpenAlexfundno aff
Shencheng Ge, Sergey N. Semenov, Amit A. Nagarkar, Jonathan Milette, Dionysios C. Christodouleas, Yuan Li, George M. Whitesides

Notice bibliographique

RevueJournal of the American Chemical Society · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueVarious Chemistry Research Topics
Établissements canadiensnon disponible
Organismes subventionnairesBasic Energy SciencesFonds de recherche du Québec – Nature et technologiesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésPolymerizationChemistryBulk polymerizationRadical polymerizationPolymer chemistryMaglevMonomerPolymerMethacrylatePhotopolymerChemical engineeringSolution polymerizationOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

This work describes the development of magnetic levitation (MagLev) to characterize the kinetics of free-radical polymerization of water-insoluble, low-molecular-weight monomers that show a large change in density upon polymerization. Maglev measures density, and certain classes of monomers show a large change in density when monomers covalently join in polymer chains. MagLev characterized both the thermal polymerization of methacrylate-based monomers and the photopolymerization of methyl methacrylate and made it possible to determine the orders of reaction and the Arrhenius activation energy of polymerization. MagLev also made it possible to monitor polymerization in the presence of solids (aramid fibers, and carbon fibers, and glass fibers). MagLev offers a new analytical technique to materials and polymer scientists that complements other methods (even those based on density, such as dilatometry), and will be useful in investigating polymerizations, evaluating inhibition of polymerizations, and studying polymerization in the presence of included solid materials (e.g., for composite materials).

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,019
Tête enseignante GPT0,280
Écart entre enseignants0,261 · 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

Citations49
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Chemical SocietyMême sujetVarious Chemistry Research TopicsTravaux en français237 207