Performance Evaluation of Nonacosan-10-ol-Based Polyethylene Packaging Material Using Molecular Dynamics Simulations
Notice bibliographique
Résumé
Packaging material has a significant role in maintaining or altering the shelf life of different products. Polymer materials are extensively used as packaging materials for different perishable and non-perishable products both during transportation and storage. This article aims at developing a new polymer composite which can be used as packaging material. This new composite addresses the challenge of controlling oxygen diffusion rates during the storage of perishable goods such as vegetables, meat and produce, etc. The proposed new composite primarily consists of nonacosan-10-ol and polyethylene. Molecular dynamics simulations (MDS) are performed by mixing 5.2%, 17.1%, 29.2%, 40.8% and 45.2% (wt/wt) of nonacosan-10-ol to amorphous polyethylene. Mechanical properties such as Young's modulus/glass transition temperature, and gas transport properties such as diffusion coefficient and diffusion volume are estimated from the MDS and diffusion related simulations consisting of different oxygen concentrations in polyethylene-alone system and polyethylene- nonacosan-10-ol blends. The impact of adding different weight percent of nonacosan-10-ol to polyethylene is quantitatively assessed and optimal composition of the proposed additive is suggested corresponding to minimal oxygen diffusion rate, high elastic modulus and good thermal stability.
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) | 0,000 | 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) | 0,005 | 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 ».