MétaCan
Menu
Retour à la cohorte
Enregistrement W2919542130 · doi:10.1063/1.5088453

Contraction flow of ionomers and their corresponding copolymers: Ionic and hydrogen bonding effects

2019· article· en· W2919542130 sur OpenAlexafffund
Tanja Tomković, Evan Mitsoulis, Savvas G. Hatzikiriakos

Notice bibliographique

RevuePhysics of Fluids · 2019
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueRheology and Fluid Dynamics Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of British Columbia
Mots-clésIonic bondingIonomerViscoelasticityRheologyHydrogen bondCopolymerVortexConstitutive equationThermodynamicsPolymer chemistryComposite materialPhysicsMaterials sciencePolymerIonMoleculeFinite element method

Résumé

récupéré en direct d'OpenAlex

The contraction flow of several commercial ionomer melts and their corresponding copolymers was studied numerically using a viscoelastic integral constitutive model developed by Kaye and Bernstein, Kearsley, and Zapas, known as the K-BKZ model. First a detailed rheological characterization was performed to calculate the parameters of the K-BKZ model used in the flow simulations. The effects of ionic and hydrogen bonding associations have been studied on the entry pressure drop, on the corner vortex in the capillary contraction, as well as on the vortex strength. In all cases, the ionomers exhibit much more significant effects compared to their copolymers, the more so as the number of ionic associations present in their backbone increases. This is due to strong ionic associations present in the ionomers that give rise to strong strain hardening effects important in entry flows. Compared to ionic associations, the effects of hydrogen bonds are insignificant particularly at levels less than 5 mol. %.

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 seuil0,003

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 Opus0,005
Tête enseignante GPT0,205
Écart entre enseignants0,200 · 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

Citations20
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetRheology and Fluid Dynamics StudiesTravaux en français237 207