Co-Polymer sequence determination over the molar mass distribution by size-exclusion chromatography combined with pyrolysis - gas chromatography
Notice bibliographique
Résumé
The chain sequence of co-polymers strongly affects their physical properties. It is, therefore, of crucial importance for the development and final properties of novel materials. Currently however, few analytical methods are available to monitor the sequence of copolymers. The currently preferred method in copolymer-sequence determination, nuclear-magnetic-resonance spectroscopy (NMR), is insensitive (especially when 13C-NMR is required) and often offers little spectral resolution between signals indicative of different subunits. These limitations are especially challenging when one is interested in monitoring the sequence across the molar-mass distribution or in quantifying low abundant subunits. Therefore, we set out to investigate pyrolysis – gas chromatography (Py-GC) as an alternative method. Py-GC is more sensitive than NMR and offers better resolution between various subunits, but it does require calibration, since the method is not absolute. We devised a method to fuse data from NMR and Py-GC to obtain quantitative information on chain sequence and composition for a set of random and block poly(methyl methacrylate-co-styrene) copolymer samples, which are challenging to analyse as MMA tends to fully depolymerize. We demonstrated that the method can be successfully used to determine the chain sequence of both random and block copolymers. Furthermore, we managed to apply Py-GC to monitor the sequence of a random and a block copolymer across the molar-mass distribution.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».