MétaCan
Menu
Retour à la cohorte
Enregistrement W2802973581 · doi:10.1002/mren.201800014

Tailoring Uniform Copolymer Composition Distribution via Policy II RAFT Solution Copolymerization of Styrene and Butyl Acrylate

2018· article· en· W2802973581 sur OpenAlexaff
Jie Jiang, Wenjun Wang, Bo‐Geng Li, Shiping Zhu

Notice bibliographique

RevueMacromolecular Reaction Engineering · 2018
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Polymer Synthesis and Characterization
Établissements canadiensMcMaster University
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésCopolymerComonomerChain transferRaftStyreneButyl acrylatePolymer chemistryMaterials scienceAcrylateMonomerPolymerRadical polymerizationMolar mass distributionPolymerizationChemical engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Controlled radical polymerization (CRP) is regarded as a powerful method to design various chain structures. Semibatch monomer feeding strategies in CRP are widely used for targeting the polymer products with desired copolymer composition distribution (CCD) and molecular weight distribution, which define the properties of polymer materials. In this work, the uniform CCD in reversible addition–fragmentation transfer (RAFT) solution copolymerization is targeted via model‐based semibatch Policy II. A RAFT solution copolymerization model is first developed and correlated with batch styrene (St) and butyl acrylate (BA) copolymerization experimental data. St/BA copolymers having three different uniform compositions are produced by the comonomer feeding Policy II. Heat and concentration analysis prove feasibility of the policy. Simulation results show that the uniform CCD can be achieved by both Policy II and Policy I, compared with starved feeding and constant feeding. Policy II gives higher and more steady rates than Policy I.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,363
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,208
Écart entre enseignants0,204 · 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.

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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromolecular Reaction EngineeringMême sujetAdvanced Polymer Synthesis and CharacterizationTravaux en français237 207