MétaCan
Menu
Retour à la cohorte
Enregistrement W3111603498 · doi:10.3390/polym12122982

In-Situ Rheological Studies of Cationic Lignin Polymerization in an Acidic Aqueous System

2020· article· en· W3111603498 sur OpenAlexafffund
Samira Gharehkhani, Weijue Gao, Pedram Fatehi

Notice bibliographique

RevuePolymers · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésCationic polymerizationLigninRheologyAqueous solutionIn situPolymerizationChemical engineeringIn situ polymerizationPolymer chemistryChemistryMaterials sciencePolymerOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

The chemistry of lignin polymerization was studied in the past. Insights into the rheological behavior of the lignin polymerization system would provide crucial information required for tailoring lignin polymers with desired properties. The in-situ rheological attributes of lignin polymerization with a cationic monomer, [2-(methacryloyloxy)ethyl] trimethylammonium chloride (METAC), were studied in detail in this work. The influences of process conditions, e.g., temperature, component concentrations, and shear rates, on the viscosity variations of the reaction systems during the polymerization were studied in detail. Temperature, METAC/lignin molar ratio, and shear rate increases led to the enhanced viscosity of the reaction medium and lignin polymer with a higher degree of polymerization. The extended reaction time enhanced the viscosity attributing to the larger molecular weight of the lignin polymer. Additionally, the size of particles in the reaction system dropped as reaction time was extended. The lignin polymer with a larger molecular weight and Rg behaved mainly as a viscose (tan δ > 1 or G″ > G′) material, while the lignin polymer generated with smaller molecular weight and shorter Rg demonstrated strong elastic characteristics with a tan (δ) lower than unity over the frequency range of 0.1−10 rad/s.

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 enseignants0,009
Score d'incertitude au seuil0,391

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 Opus0,023
Tête enseignante GPT0,249
Écart entre enseignants0,226 · 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

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetLignin and Wood ChemistryTravaux en français237 207