MétaCan
Menu
Retour à la cohorte
Enregistrement W3187645616 · doi:10.3390/coatings11080916

Surface Protection of Wood with Metal Acetylacetonates

2021· article· en· W3187645616 sur OpenAlexaffabout
Yuner Zhu, Philip D. Evans

Notice bibliographique

RevueCoatings · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueCultural Heritage Materials Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTitaniumManganeseMetalWeatheringMaterials scienceMetal ions in aqueous solutionAcetylacetoneChemistryInorganic chemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

Metal acetylacetonates are coordination complexes of metal ions and the acetylacetonate anion with diverse uses including catalysts, cross-linking agents and adhesion promotors. Some metal acetylacetonates can photostabilize polymers whereas others are photocatalysts. We hypothesize that the ability of metal acetylacetonates to photostabilize wood will vary depending on the metal in the coordination complex. We test this hypothesis by treating yellow cedar veneers with different acetylacetonates (Co, Cr, Fe, Mn, Ni, and Ti), exposing veneers to natural weathering in Australia, and measuring changes in properties of treated veneers. The most effective treatments were also tested on yellow cedar panels exposed to the weather in Vancouver, Canada. Nickel, manganese, and titanium acetylacetonates were able to restrict weight and tensile strength losses and delignification of wood veneers during natural weathering. Titanium acetylacetonate was as effective as a reactive UV absorber at reducing the greying of panels exposed to 6 months of natural weathering, and both titanium and manganese acetylacetonates reduced the photo-discoloration of panels finished with a polyurethane coating. We conclude that the effectiveness of metal acetylacetonates at photostabilizing wood varies depending on the metal in the coordination complex, and titanium and manganese acetylacetonate show promise as photoprotective primers for wood.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,031
Score d'incertitude au seuil0,998

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)0,0030,000

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 Opus0,037
Tête enseignante GPT0,213
Écart entre enseignants0,176 · 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.

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

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCoatingsMême sujetCultural Heritage Materials AnalysisTravaux en français237 207