MétaCan
Menu
Retour à la cohorte
Enregistrement W7027980350

Effect of casting solvent interactions on proton conductivity in sulfonated polymer (SPEEK) proton exchange membranes

2003· article· en· W7027980350 sur OpenAlexvenueno aff

Notice bibliographique

RevueNPARC · 2003
Typearticle
Langueen
DomaineMathematics
ThématiqueProbability and Statistical Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDimethylacetamideSulfuric acidSolventConductivitySulfonic acidPolymerProtonProton conductorMembrane
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The proton conductivity of solvent-cast proton exchange membranes (PEM) prepared from sulfonated poly(ether ether ketone) (SPEEK) was found to be sensitive to the choice of casting solvent and the membrane drying conditions. Using proton nuclear magnetic resonance (NMR) spectroscopy, several factors were shown to affect proton conductivity in PEMs. NMR revealed the formation of strong interactions between SPEEK polymer and the casting solvents dimethylformamide (DMF) and dimethylacetamide (DMAc), commonly used in PEM preparation. DMF readily hydrogen-bonds with the polymers' sulfonic acid groups starting at temperatures as low as 60 C. However, DMAc is much less susceptible to hydrogen bonding, which occurs only above 100 C. Both DMF and DMAc solvent interactions with SPEEK during PEM preparation significantly affect the proton conductivity properties. In addition, both solvents are prone to thermal decomposition resulting in dimethylamine which also strongly hydrogen-bonds with SPEEK. The presence of residual sulfuric acid originating from SPEEK preparation has a catalytic effect on the thermal degradation of DMF and DMAc. Under high temperature treatment of films, residual sulfuric acid reacts with both DMF and DMAc, causing their degradation resulting in the formation of N,N-dimethylaminium hydrogensulfate which is also believed to have a negative effect on proton conductivity.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,092
Tête enseignante GPT0,402
Écart entre enseignants0,310 · 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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetProbability and Statistical ResearchTravaux en français237 207