MétaCan
Menu
Retour à la cohorte
Enregistrement W2993327316 · doi:10.5539/jmsr.v9n1p1

The Influence of Oxidizing Agent in the Chemical Deposition of Polypyrrole on Lead Alloy Surface

2019· article· en· W2993327316 sur OpenAlexvenueno aff
Inês Moreira Vilanova Pinheiro, Liu Yao Cho

Notice bibliographique

RevueJournal of Materials Science Research · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueConducting polymers and applications
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésPolypyrroleMaterials scienceOxidizing agentHydrogen peroxideCorrosionScanning electron microscopeDopantChemical engineeringCoatingLayer (electronics)AlloyInorganic chemistryNanotechnologyMetallurgyComposite materialOrganic chemistryDopingPolymerizationChemistry

Résumé

récupéré en direct d'OpenAlex

Polypyrrole (PPy) layers were deposited on lead metallic surface using hydrogen peroxide or benzoyl peroxide as oxidizing agent associated with different types of dopants: phosphoric acid, stearic acid and dodecylbenzene sulfonic acid. Lead alloy was chosen because of its importance in energy industrial application and also because its primary source of extraction is running out, there is an increasingly urgent need to extend its life cycle. For the in situ chemical deposition of PPy, it was considered the combination of only one oxidizing agent and one dopant, being the experiment performed with the combination of these reagents. The morphology and corrosion protection effectiveness of the PPy layer was studied by Scanning Electron Microscope (SEM), Open Circuit Potential (OCP) and Potentiodynamic Polarization. The experimental results demonstrate that PPy layer was effectively formed as a coating layer and Hydrogen Peroxide performed better and consistent protection efficiency when compared to Benzoyl Peroxide.

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 Opus0,065
Tête enseignante GPT0,384
Écart entre enseignants0,320 · 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetConducting polymers and applicationsTravaux en français237 207