MétaCan
Menu
Retour à la cohorte
Enregistrement W4387651463 · doi:10.22541/au.169742107.76246247/v1

Accounting for Spatial Variations during Photopolymerization of 1,6-hexane-diol Diacrylate in the Presence of Oxygen

2023· preprint· en· W4387651463 sur OpenAlexafffund
Alaa El Halabi, Kaveh Abdi, Anh-Duong Vo, Ardalan Ebrahimzadeh, Jasper van den Hoek, Luuk van der Velden, Robin X. E. Willemse, M. van der Linden, Piet D. Iedema, Kimberley B. McAuley

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineChemistry
ThématiquePhotopolymerization techniques and applications
Établissements canadiensQueen's University
Organismes subventionnairesElectronic Components and Systems for European LeadershipMitacsEuropean Commission
Mots-clésPhotopolymerFourier transform infrared spectroscopyMaterials scienceMonomerMean squared errorPolymerizationOxygenBifunctionalChemical engineeringComposite materialMathematicsChemistryPolymerOrganic chemistryStatistics

Résumé

récupéré en direct d'OpenAlex

A dynamic model is proposed for photopolymerization of 1,6-hexane-diol diacrylate (HDDA) with bifunctional initiator bis-acylphosphine oxide (BAPO) in the presence of oxygen. This partial-differential-equation (PDE) model predicts time- and spatially-varying vinyl-group conversion as well as concentrations of monomer, initiator, oxygen, and seven types of radicals. Experiments to obtain diffusivities of oxygen, BAPO and HDDA are reported. Oxygen-related parameters are estimated using real-time Fourier-transform infrared (FTIR) conversion data. FTIR experiments were conducted using a range of film thicknesses (8-17 μm), BAPO levels (1-4 wt%) and light intensities (200-6000 W/m^2). The model predicts qualitative trends. Conversion predictions for runs with high intensities (≥5000 W/m^2) and high BAPO (4 wt%) are accurate with a root-mean-squared error (RMSE) of 0.04. Larger RMSE (0.13) for runs with lower intensities and BAPO indicates that improved parameter estimates are required. Parameter estimates will be updated using in future using a model that accounts for shrinkage during polymerization.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,281
Écart entre enseignants0,259 · 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'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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetPhotopolymerization techniques and applicationsTravaux en français237 207