MétaCan
Menu
Retour à la cohorte
Enregistrement W4404861073 · doi:10.1002/mren.202400038

Modeling of 1,6‐Hexanediol Diacrylate Photopolymerization with Spatial Gradients and Film Shrinkage

2024· article· en· W4404861073 sur OpenAlexafffund
Alaa El Halabi, Anh‐Duong Dieu Vo, Kaveh Abdi, Piet D. Iedema, Kimberley B. McAuley

Notice bibliographique

RevueMacromolecular Reaction Engineering · 2024
Typearticle
Langueen
DomaineChemistry
ThématiquePhotopolymerization techniques and applications
Établissements canadiensQueen's University
Organismes subventionnairesElectronic Components and Systems for European LeadershipNatural Sciences and Engineering Research Council of CanadaMitacsEuropean Commission
Mots-clésPhotopolymerShrinkageMaterials sciencePolymer chemistryPolymer scienceComposite materialPolymerizationPolymer

Résumé

récupéré en direct d'OpenAlex

Abstract A dynamic model is proposed to account for shrinkage and swelling during the photopolymerization of 1,6‐hexanediol diacrylate (HDDA) with the bifunctional initiator bis‐acylphosphine oxide (BAPO) in the presence of oxygen. The model is composed of 14 partial differential equations (PDEs) that are used to track changes in film thickness along with time‐ and spatially‐varying concentrations of monomer, initiator, oxygen, pendant vinyl groups, and seven types of radicals. Shrinkage has a noticeable influence on the model predictions. For a variety of simulated photopolymerization experiments, there is ≈9% discrepancy between predicted overall vinyl‐group conversions obtained from the current model with shrinkage and a previous model without. Prediction discrepancies become larger for simulated experiments involving thin films (8 µm) or low light intensities (1200 W m−2). In the future, it will be important to re‐estimate the kinetic parameters used in the shrinkage model to obtain accurate model predictions for use in process improvement studies.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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 Opus0,004
Tête enseignante GPT0,195
Écart entre enseignants0,191 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMacromolecular Reaction EngineeringMême sujetPhotopolymerization techniques and applicationsTravaux en français237 207