MétaCan
Menu
Retour à la cohorte
Enregistrement W2895192503 · doi:10.1515/gps-2018-0092

Enhancement of molecular weight reduction of natural rubber in triphasic CO <sub>2</sub> /toluene/H <sub>2</sub> O systems with hydrogen peroxide for preparation of biobased polyurethanes

2018· article· en· W2895192503 sur OpenAlexaff
Alif Duereh, Chokchai Boonchuay, Piyapong Buahom, Surat Areerat

Notice bibliographique

RevueGreen Processing and Synthesis · 2018
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCarbon dioxide utilization in catalysis
Établissements canadiensCanada Research ChairsUniversity of Toronto
Organismes subventionnairesNational Research Council of Thailand
Mots-clésTolueneOxidizing agentChemistryHydrogen peroxideNatural rubberAqueous solutionPolyurethanePolymer chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Molecular weight reduction of natural rubber (NR) with hydrogen peroxide (H 2 O 2 ) oxidizing agent is limited in biphasic water-toluene systems that is attributed to mass transfer. In this work, CO 2 was applied to the (aqueous H 2 O 2 )-(toluene-NR) systems with the objective of improving reaction efficiency. Experiments were performed on the reaction system with CO 2 at 12 MPa and at reaction temperatures and times of 60°C–80°C and 1 h–10 h to evaluate the reaction kinetics. CO 2 could enhance the NR molecular weight reduction by lowering the activation energy (from 121 kJ·mol −1 to 38 kJ·mol −1 ). The role of CO 2 in the reaction system seems to be the formation of oxidative peroxycarbonic acid intermediate and promotion of mass transport due to the reduction in the toluene-NR viscosity and interfacial tension. The epoxidized liquid NRs ( M ̅ n =4.9×10 3 g·mol −1 ) obtained from NR molecular weight reduction was further processed to prepare hydroxyl telechelic NR ( M ̅ n =1.0×10 3 g·mol −1 ) and biobased polyurethane.

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 Opus0,009
Tête enseignante GPT0,238
Écart entre enseignants0,230 · 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreen Processing and SynthesisMême sujetCarbon dioxide utilization in catalysisTravaux en français237 207