MétaCan
Menu
Retour à la cohorte
Enregistrement W4385320839 · doi:10.6000/1929-5995.2023.12.07

Development and Characterization of Supercooled Polyethylene Naphthalate

2023· article· en· W4385320839 sur OpenAlexvenueno aff
Jian Wang, Hang Li, Pan Dai

Notice bibliographique

RevueJournal of Research Updates in Polymer Science · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer crystallization and properties
Établissements canadiensnon disponible
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesGeorgia Institute of Technology
Mots-clésSupercoolingMaterials scienceDifferential scanning calorimetryPolyethylene naphthalateComposite materialPolyethyleneExtrusionPolymerThermodynamics

Résumé

récupéré en direct d'OpenAlex

The utilization of undercooled or supercooled polymers presents a promising approach for the creation of single-polymer composites (SPCs), applicable not only to compaction processing but also to extrusion, injection molding, and 3D printing techniques. This study focuses on the development and characterization of supercooled polyethylene naphthalate (PEN) through differential scanning calorimetry (DSC) and rheological measurements. By employing predetermined conditions, a supercooling degree of 50 ˚C for PEN was achieved. The impact of maximum heating temperature, cooling rate, and shear rate on the supercooling degree was examined, revealing that higher supercooling degrees of PEN can be attained by increasing these factors. Additionally, the flow behavior of supercooled polymer melts at various temperatures was analyzed. The supercooling state of PEN exhibited remarkable stability for a minimum duration of half an hour at temperatures exceeding 250 ˚C.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,014
Score d'incertitude au seuil0,344

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,061
Tête enseignante GPT0,353
Écart entre enseignants0,292 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research Updates in Polymer ScienceMême sujetPolymer crystallization and propertiesTravaux en français237 207