Propylene–Ethylene Copolymer Covalent Adaptable Networks Synthesized by Resonance‐Stabilized, Radical‐Based Reactive Processing with Excellent Elevated‐Temperature Creep Resistance
Notice bibliographique
Résumé
Low-crystallinity propylene-ethylene copolymer (PEC) thermoplastics exhibit creep in the melt and semicrystalline states. To enhance creep resistance while maintaining reprocessability, dynamic covalent cross-links are introduced through one-step, radical-based reactive processing to create covalent adaptable networks (CANs). During reactive processing, it is essential to suppress β-scission of propylene repeat units. To promote the formation of resonance-stabilized macroradical intermediates, a methacrylate-based cross-linker bis(4-methacryloyloxyphenyl) disulfide (BPMA) is replaced with a phenylacrylate-based cross-linker bis(4-phenacryloyloxyphenyl) disulfide (BPST) and styrene and divinylbenzene, vinyl aromatic additives, are incorporated. The use of BPST but not BPMA leads to percolated PEC CAN formation. Adding vinyl aromatic additives reduces the disparity in cross-linking capability between BPMA and BPST. The resulting PEC CANs show markedly improved elevated-temperature creep resistance compared to neat PEC. Relative to thermoplastic PEC, the best-performing PEC CAN suppresses >99% of viscous creep at 160 °C (melt state) over 600 s and >98% at 100 °C (semicrystalline state) over 10,000 s. This top-performing PEC CAN is reprocessable through compression molding and twin-screw extrusion, achieving full recovery of cross-link density and tensile properties. These results showcase a promising one-step strategy for producing recyclable PEC CANs with enhanced creep resistance in melt and semicrystalline states, addressing critical limitations of low-crystallinity polyolefins.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».