Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Polymer fractionation techniques attempt to fractionate polymers according to specific characteristics of their microstructures as defined by their distributions of molecular weight, chemical composition, comonomer sequence length, tacticity, and long‐chain branching. Because of the heterogeneous nature of polymers, fractionation techniques are essential for understanding structure‐property relationships, polymerization mechanisms and kinetics, and polymer reaction engineering. In this entry, theoretical models to describe the microstructure of polymers are initially reviewed and used as a basis to understand the several polymer fractionation techniques described in the subsequent sections. Batch fractionation methods are covered next, including temperature variation and solvent/nonsolvent fractionation procedures. The recent technique of crystallization analysis fractionation (Crystaf), together with temperature rising elution fractionation (TREF), are reviewed as methods for fractionation by crystallizability. The well‐established technique for molecular weight fractionation by size‐exclusion chromatography (SEC) is covered next, followed by a section on the versatile field flow fractionation (FFF). Large‐scale fractionation of polymers is covered in the section for continuous polymer fractionation (CPF). Mass spectrometry, particularly matrix‐assisted laser desorption ionization coupled with time‐of‐flight analyzers (MALDI‐TOF) is the subject of the next section. Finally, a section in interaction chromatography and some other less general polymer fractionation techniques is followed by the concluding section on cross‐fractionation techniques.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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) | 0,002 | 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 découle