Experimental Design and Statistical Analysis of AGET ATRP of MMA in Emulsion Polymer Reactor
Notice bibliographique
Résumé
Abstract This study investigates atom transfer radical polymerization (ATRP) of methyl methacrylate (MMA) using activators generated by electron transfer (AGET) as the initiation technique in an emulsion well‐mixed 2L stirred tank reactor. The performance of the AGET ATRP of MMA is analyzed for five key independent variables, namely temperature, catalyst complex (CuBr2/dNbpy), initiator (EBiB), reducing agent (ascorbic acid), and surfactant (Brij 98). The reaction is carried out based on a two‐step polymerization procedure. A resolution 5 fractional factorial design technique is employed to assess the influence of the five independent variables on the monomer conversion, polymer average molecular weights, and polydispersity index (PDI). An input–output model is constructed from the data of 21 designed experimental tests. A statistical analysis of the results shows that the temperature is the most influential variable for the three output process responses. The initiator strongly affects the poly(methyl methacrylate) (PMMA) molecular weights. It is the least important key variable affecting MMA conversion and PDI, and the surfactant is the least one affecting PMMA Mn. On assessing the independent interactions effect, the interactions of temperature‐surfactant on conversion, and temperature‐initiator for PMMA Mn are considered. Process simulation in 3D mapping has demonstrated that model predictions agree well with experimental data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».