Depolymerization for polymers with heteroatom-containing main chain: mechanism and applications
Notice bibliographique
Résumé
Abstract With the flourishment of the polymer industry, many polymers have been produced and used. However, it has been acerbically criticized that most of the polymers, such as polyolefins, polyesters, cannot be naturally degraded or depolymerized, leading to polymer waste, which has exacerbated the growing global contamination. Therefore, it is essential to research and ameliorate depolymerization methods to diminish the polymer waste and recycle them. This article reviews a series of novel depolymerization methods in recent years, including pyrolysis, ionic liquids, hydrolysis, and biological methods, aiming to depolymerize the waste polymer with heteroatom-containing main chain, such as poly (ethylene terephthalate), polyamides, polyesters. The mechanisms and applications of these depolymerization methods are highlighted. Although traditional pyrolysis methods have relatively low yield, selectivity, and harsh conditions, some catalytical pyrolysis methods have better selectivity, energy consumption, etc. Besides, due to the good recyclability of ionic liquids, an excellent yield of monomers, and relatively moderate conditions, ionic liquids have been widely used in depolymerizing the polymers with heteroatom-containing main chain, which are processing a stepwise ionic depolymerization mechanism. Moreover, because water is economical and environmentally friendly, depolymerization via hydrolysis is also worthy of research. Finally, some biological methods are prevailing because of their high selectivity, high efficiency, and mild conditions, although the mechanisms are still obscure that there have been only a few uniform theories, such as oxidizing-degrading mechanism, hydrolysis mechanism.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».