MétaCan
Menu
Retour à la cohorte
Enregistrement W4280545236 · doi:10.21203/rs.3.rs-1562951/v1

Optimization of PVA/TiO2/MMT mixed matrix membrane for food packaging

2022· preprint· en· W4280545236 sur OpenAlexaff
Maryam Zamanian, Hassan Sadrnia, Mehdi Khojastehpour, Abbas Rohani, Jules Thibault, Fereshte Hosseini

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueNanocomposite Films for Food Packaging
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésFood packagingMatrix (chemical analysis)MembraneFood scienceMaterials scienceComposite materialPolymer scienceChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Nanocomposite films performance parameters, including barrier and properties for packaging films, can be affected by variables such as the type and concentration of nanoparticles. In this investigation, Polyvinyl alcohol (PVA) nanocomposite films were prepared by solution casting method with different combinations of Montmorillonite (MMT) platelets and Titanium Oxide (TiO 2 ) spherical nanoparticles.A support vector machine (SVM) was implemented to study the thin nanocomposite films' behavior to changes in the independent variables. The SVM model predicted oxygen transmission rate (OTR), water vapor permeability (WVP|), Young ̓s Modulus (YM), ΔE, opacity, tensile strength (TS), and elongation at the breakpoint (EB) with an error of less than 6.43%. A Genetic Algorithm (GA) was applied to find the optimal nanoparticle concentration to achieve optimum film performance. Therefore, the results exhibited that the optimum film performance depends on the type and concentration of nanoparticles. Results show that the optimum loading of nanoparticles in this research should be between 0.5-1 wt% for TiO 2 and 2.5–3.5 wt% for MMT.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,412
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,390
Écart entre enseignants0,326 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetNanocomposite Films for Food PackagingTravaux en français237 207