MétaCan
Menu
Retour à la cohorte
Enregistrement W4285090969 · doi:10.1021/acs.macromol.2c00964

Entropic Surface Segregation from Athermal Polymer Blends of Slim and Bulky Polymers

2022· article· en· W4285090969 sur OpenAlexaff
M. W. Matsen

Notice bibliographique

RevueMacromolecules · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueBlock Copolymer Self-Assembly
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPolymerSurface (topology)Monte Carlo methodPolymer blendMaterials scienceThermodynamicsComponent (thermodynamics)Chemical physicsMacromoleculePolymer chemistryStatistical physicsChemistryPhysicsCopolymerComposite materialMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Experiments, theory, and simulations have revealed an entropic preference at the surface of athermal blends for the component with the shorter statistical segment length. Here, we examined the resulting surface segregation for blends of slim and bulky polymers of equal molecular volume, using Monte Carlo simulations where the polymers are modeled as chains of impenetrable spheres. Comparing to analogous simulations for blends of stiff and flexible polymers [Spencer and Matsen, Macromolecules 2022, 55, 1120], we find that bulkiness has a considerably stronger effect on the surface segregation than stiffness, consistent with self-consistent field theory (SCFT) predictions for worm-like chains [Matsen, J. Chem. Phys. 2022, 156, 184901]. Furthermore, we demonstrate that, under special conditions, this mismatch in strength can lead to anomalous surface segregation of the component with the longer statistical segment length, as predicted by the SCFT.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge 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 enseignants0,005
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,006
Tête enseignante GPT0,207
Écart entre enseignants0,201 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromoleculesMême sujetBlock Copolymer Self-AssemblyTravaux en français237 207