MétaCan
Menu
Retour à la cohorte
Enregistrement W4223491242 · doi:10.3390/polym14071448

Mathematical Description of the RAFT Copolymerization of Styrene and Glycidyl Methacrylate Using the Terminal Model

2022· article· en· W4223491242 sur OpenAlexaff
José Alfredo Tenorio‐López, Juan José Benvenuta‐Tapia, Norma García-Navarro, Eduardo Vivaldo‐Lima, Pascale Champagne, Enrique Saldívar‐Guerra

Notice bibliographique

RevuePolymers · 2022
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Polymer Synthesis and Characterization
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésCopolymerGlycidyl methacrylateRaftStyreneTerminal (telecommunication)Polymer chemistryMaterials scienceMethacrylatePolymer scienceComputer scienceComposite materialPolymer

Résumé

récupéré en direct d'OpenAlex

A mathematical model for the kinetics, composition and molar mass development of the bulk reversible addition-fragmentation chain transfer (RAFT) copolymerization of glycidyl methacrylate (GMA) and styrene (St), at several GMA molar feed fractions at 103 °C, in the presence of 2-cyano isopropyl dodecyl trithiocarbonate as the RAFT agent and 1,1'-azobis(cyclohexane carbonitrile), as the initiator, is presented. The copolymerization proceeded in a controlled manner and dispersities of the copolymers remained narrow even at high conversions. Experimental data and calculated profiles of conversion versus time, composition versus conversion and molar mass development for the RAFT copolymerization of St and GMA agreed well for all conditions tested, including high-conversion regions. The kinetic rate constants associated with the RAFT- related reactions and diffusion-controlled parameters were properly estimated using a weighted nonlinear multivariable regression procedure. The mathematical model developed in this study may be used as an aid in the design and upscaling of industrial RAFT polymerization processes.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,026
Tête enseignante GPT0,246
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetAdvanced Polymer Synthesis and CharacterizationTravaux en français237 207