MétaCan
Menu
Retour à la cohorte
Enregistrement W2991674994 · doi:10.1515/ntrev-2019-0036

Surface modification of nano-sized carbon black for reinforcement of rubber

2019· article· en· W2991674994 sur OpenAlexaff
Maochuan Gao, Feng Zheng, Jinjia Xu, Shangyong Zhang, Sanjana S. Bhosale, Junjie Gu, Ruoyu Hong

Notice bibliographique

RevueNanotechnology Reviews · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Nanocomposites and Properties
Établissements canadiensCarleton University
Organismes subventionnairesDepartment of Education, Fujian Province
Mots-clésCarbon blackNatural rubberInverse gas chromatographyTolueneAdsorptionMaterials scienceDispersion (optics)Carbon fibersEmulsionSurface modificationChemical engineeringComposite materialChemistrySurface energyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The standard sample IRB7# of nano-sized carbon black was reated by different methods, including washing by alcohol, toluene, water, the emulsion of toluene and water, and heating. Surface activity of the obtained nanoparticles was measured using inverse gas chromatography. The results showed that the dispersion free energy could be significantly increased after heating. The surface activity of three kinds of industrial carbon black was studied after heat treatment at different temperature. The results indicated that surface activity, iodine adsorption number and nitrogen surface area values of carbon black nanoparticles increased with the increase of temperature. However, the dibutyl phthalate adsorption value maintained nearly constant. The performance test of rubber showed that with the increasing heat treatment temperature of carbon black, 300% modulus of rubber increased before 450°C and decreased after 450°C.

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)0,0010,000
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 Opus0,034
Tête enseignante GPT0,279
Écart entre enseignants0,245 · 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

Citations30
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnology ReviewsMême sujetPolymer Nanocomposites and PropertiesTravaux en français237 207