MétaCan
Menu
Retour à la cohorte
Enregistrement W4294760753 · doi:10.1039/d2sc03492a

Exhaustive Baeyer–Villiger oxidation: a tailor-made post-polymerization modification to access challenging poly(vinyl acetate) copolymers

2022· article· en· W4294760753 sur OpenAlexfundno aff
Pengfei Ma, Christopher M. Plummer, Wenjun Luo, Jiyan Pang, Yongming Chen, Le Li

Notice bibliographique

RevueChemical Science · 2022
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Polymer Synthesis and Characterization
Établissements canadiensnon disponible
Organismes subventionnairesPeking UniversitySouth China University of TechnologyNational Natural Science Foundation of ChinaSun Yat-sen UniversityUniversité de MontréalNatural Science Foundation of Guangdong ProvinceYale University
Mots-clésCopolymerVinyl acetatePolymerizationPolymerBaeyer–Villiger oxidationMaterials sciencePolymer chemistryCombinatorial chemistryChemistryOrganic chemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

The discovery of exhaustive (nearly quantitative) post-polymerization modifications (PPM) relies heavily on the efficiency of their corresponding small-molecule protocols. However, the direct translation of existing small-molecule protocols into PPM methods has never been guaranteed due to the intrinsic differences between small-molecule substrates and polymers. Herein, we introduce the direct optimization on polymers (DOP) as a complementary approach to developing exhaustive PPM reactions. As proof of the DOP concept, we present an exhaustive Baeyer-Villiger (BV) post-modification which cannot be accessed by conventional approaches. This user-friendly methodology provides general access to synthetically challenging copolymers of vinyl acetate and more activated monomers (MAMs) including both statistical and narrow-dispersed block copolymers. Furthermore, a scalable one-pot copolymerization/exhaustive BV post-modification procedure was developed to produce such materials showing improved performance over regular PVAc.

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 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 enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,287
Écart entre enseignants0,265 · 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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemical ScienceMême sujetAdvanced Polymer Synthesis and CharacterizationTravaux en français237 207