Compatibilizer Polarity Parameters as Tools for Predicting Organoclay Dispersion in Polyolefin Nanocomposites
Notice bibliographique
Résumé
Nanocomposites give an innovative method to increase the mechanical, thermal, and barrier performance of polymers. However, properly dispersing the nanoparticles in the polymer matrix is often key in achieving high performance, especially in the case of hydrophilic nanoparticles and hydrophobic polymers. For that purpose, nanoparticles may be functionalized with organic groups to increase their affinity with the polymer matrix. Compatibilizing agents may also be included in the nanocomposite formulation. This paper aims at identifying parameters relative to the compatibilizer polarity that would allow predicting nanoparticle dispersion in the polymer nanocomposite. The analysis used published data on nanocomposite samples combining clay nanoparticles, polyolefins, and various compatibilizing agents. We studied the correlations between the nanoclay exfoliation ratio and five different parameters describing the compatibilizer hydrophilic-lipophilic balance: the acid value, the mole, and weight fraction of polar groups, the number of polymer chain units per polar group, and the number of moles of polar groups per mole of compatibilizer. The best correlation was observed with the number of polymer chain units per polar group in the compatibilizer. This parameter could be used as a tool to predict the dispersion of organoclay nanoparticles in polyolefins. Another important result of the study is that, among the compatibilizers investigated, those with a low acid value provided a better nanoclay exfoliation compared to those with a high acid value. This may indicate the existence of a maximum in the nanoclay exfoliation/compatibilizer polarity curve, which would open new perspectives for nanocomposite performance optimization.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».