MétaCan
Menu
Retour à la cohorte
Enregistrement W4386634374 · doi:10.1002/kin.21691

Measurement and modeling of peroxides half‐life: A thermo‐kinetic approach

2023· article· en· W4386634374 sur OpenAlexaff
Florin Dan, Pranav Bagaria, Brian M. Habersberger, Amy L. Koziol

Notice bibliographique

RevueInternational Journal of Chemical Kinetics · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueThermal and Kinetic Analysis
Établissements canadiensDow Chemical (Canada)
Organismes subventionnairesnon disponible
Mots-clésKinetic energyIsothermal processChemistryThermodynamicsReactivity (psychology)Kinetics

Résumé

récupéré en direct d'OpenAlex

Abstract Half‐life values of organic peroxides at elevated temperature conditions are important in characterizing the reactivity and are often available in literature or through vendors. However, there is often lack of details/accuracy on methods used to obtain these values, as well as differences in methods across vendors and publications, thus resulting in discrepant reactivity profile. To address this, a method involving calorimetric experiment and thermo‐kinetic modeling was developed. The current approach was applied on five peroxides samples to obtain kinetic parameters and estimate their half‐life in the temperature range of interest. The measurements were performed by DSC under non‐isothermal conditions on the dilute peroxide solutions (∼0.12 M in mineral oil) and the data were kinetically treated according to three model‐based and one model‐free kinetic equations. A very good agreement was found between the half‐life calculated by all kinetic methods, but significant differences were noticed with the kinetic parameters reported in literature. Additionally, the obtained half‐life results, based on non‐isothermal measurements developed kinetic models, were validated through isothermal calorimetric testing. Given the accuracy and robustness of our results, the current method can be applied to estimate half‐life of organic peroxides at elevated temperature conditions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,046
Tête enseignante GPT0,266
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Chemical KineticsMême sujetThermal and Kinetic AnalysisTravaux en français237 207