Strategies to Improve the Sustainability of Silicone Polymers
Notice bibliographique
Résumé
Silicones underpin an enormous range of simple and advanced technologies. Often, only small quantities of silicone are used to enable a technology such that, on a "per use" basis, one might suppose the environmental impact is low. However, silicone preparation processes have a very high carbon footprint, and billions of kg are produced each year. To provide context to the consideration of new strategies to improve silicone sustainability, we first outline traditional silicone chemistry and then describe strategies to improve the degree to which silicones are green, sustainable and circular. One strategy involves dilution of the silicone oil or elastomer by tethering organic entities, particularly natural products, that may provide new properties including facilitated degradation in nature at end-of-life. A greater focus is given to strategies that permit extensive reuse and repurposing of oils and elastomers (e.g., with thermoplastic elastomers), before the silicone undergoes recycling. Each reuse, repurposing or recycling step reduces the net carbon footprint. These mostly involve straightforward, high-yielding organic chemical processes that work efficiently in a silicone milieu. Silicones will eventually end up in the environment, where linear oils are known to rapidly degrade, particularly when compared to organic polymers. Alternative strategies that permit triggered or biological degradation of oils and, more importantly elastomers, are described, including enzymatic degradation and composting.
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 | 0,000 |
| 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 | 0,001 | 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 ».