Early bird gets the network: The relative importance of reactivity ratios, Ψ parameter, and crosslinker level on gel formation in <scp>FRP</scp>
Notice bibliographique
Résumé
Abstract Network topology is manipulated in free‐radical copolymerization via proper selection of crosslinker type and its respective properties when paired with specific monomers. Our prior work has focused on the impact of the reduced reactivity parameter Ψ applied to a pendent vinyl, characteristic for each monomer/crosslinker pair, yet here we assess the relative importance of the comonomer reactivity ratios to see whether one factor can counterbalance the other. The traditional reactivity ratio determines when the crosslinker molecule is incorporated into the polymer backbone, while the reduced reactivity Ψ parameter relates to the efficiency of the resulting pendent side chain vinyl being utilized to form a crosslink node at some later point during the polymerization. Both factors are then contrasted with simply the overall loading of crosslinker. Either n ‐butyl methacrylate ( n ‐BMA) or styrene (STY) was chosen as a primary backbone monomer to copolymerize with one of three crosslinkers: 1,4‐butanediol dimethacylate (BDDMA), 1,4‐butanediol diacrylate (BDDA), or divinylbenzene (DVB). Both kinetics and gel can be most dramatically boosted when a crosslinker is applied having a reactivity ratio favouring early insertion. This in turn leads to an earlier onset of gel formation, which ultimately results in greater final gel content. This amplification of both kinetics and gel can overcome an otherwise small Ψ due to crosslinker or main monomer choice. This reactivity ratio effect was further confirmed by Monte Carlo simulations. By whatever mechanism (higher Ψ, lower r A , or higher crosslinker level), earlier onset of gelation produces more gel overall and a tighter network topology.
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 | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».