MétaCan
Menu
Retour à la cohorte
Enregistrement W2802124745 · doi:10.1002/adsu.201800026

The Effect of Polymorphism on the Kinetics of Adsorption and Degradation: A Case of Hydrogen Chloride Vapor on Cellulose

2018· article· en· W2802124745 sur OpenAlexaff
Elina Niinivaara, Shiek Abdullah Abdul Arshath, Kaarlo Nieminen, Alexander Bismarck, Eero Kontturi

Notice bibliographique

RevueAdvanced Sustainable Systems · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensMcMaster University
Organismes subventionnairesEngineering and Physical Sciences Research CouncilUniversität WienAcademy of Finland
Mots-clésCelluloseChemistryAqueous solutionAdsorptionReactivity (psychology)PolymerKineticsPolymorphism (computer science)HydrolysisCrystallinityChloridePolymer chemistryMoleculeHydrogen bondHydrogen chlorideInorganic chemistryChemical engineeringOrganic chemistryCrystallography

Résumé

récupéré en direct d'OpenAlex

Abstract Control of the reactivity of natural polymers – such as semicrystalline cellulose – through polymorphic transitions is a potent, yet underexplored tool in modern polymer science. Here, the degradation behavior of three artificial cellulose polymorphs (cellulose II, IIII, and IIIII) in the presence of hydrogen chloride vapor is explored. While the ultimate results of hydrolyses correspond to those found for aqueous HCl, the kinetic scission models exhibit a unique trend for each polymorph, unlike those reported for aqueous acid or enzymatic hydrolyses. In addition to the polymorphic distinctions, these atypical trends are attributed to the nonequilibrium in the hydrolysis set up and the irregular adsorption of HCl molecules to the substrate surfaces. The results point to a new way of approaching the reactivity of natural polymers where polymorphism is regarded as one of the parameters for the kinetics and outcome of chemical reactions.

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 enseignants0,002
Score d'incertitude au seuil0,004

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 Opus0,010
Tête enseignante GPT0,267
Écart entre enseignants0,256 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Sustainable SystemsMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207