MétaCan
Menu
Retour à la cohorte
Enregistrement W3022936776 · doi:10.1002/mren.202000008

Experimental Evaluation of a Catalyst Fragmentation Model for Olefin Polymerization

2020· article· en· W3022936776 sur OpenAlexaff
Bruna Kulik Hassan, Caroline P. Dutra, João Henrique Zimnoch dos Santos, Adriano G. Fisch, Nilo Sérgio Medeiros Cardozo

Notice bibliographique

RevueMacromolecular Reaction Engineering · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversity of Alberta
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésFragmentation (computing)CatalysisCalcinationPolymerizationPolyethyleneOlefin polymerizationOlefin fiberMaterials scienceScanning electron microscopePolymer chemistryChemical engineeringChemistryPolymerOrganic chemistryComposite materialComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Fragmentation of supported catalysts plays an important role on olefin polymerization, which has motivated several studies on this topic in recent years. This work aims to obtain experimental data to compare with the predictions of a theoretical model previously developed in the research group, which uses only kinetic constants and the catalyst physical properties as input parameters. Three zirconocene catalysts supported on silica are used to produce polyethylene. The reaction products are calcined and analyzed by scanning electron microscopy. Good qualitative agreement is observed between the model predictions for radial extent of fragmentation and the experimentally observed fragmentation patterns. This includes the transition of a pattern of total fragmentation to one of partial fragmentation at the external layers of the catalyst as its pore volume decreases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,400
Score d'incertitude au seuil0,558

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,032
Tête enseignante GPT0,283
Écart entre enseignants0,250 · 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 tête enseignante, 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromolecular Reaction EngineeringMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207