摘要:本研究的目的是通过文献计量学文献综述,在热解过程后确定聚苯乙烯螺旋霉素微粒的化学化合物含量以及其热解化学反应机制。使用傅立叶变换红外(FTIR)和气相色谱质量光谱(GC-MS)进行分析。通过将30 g的聚苯乙烯颗粒(尺寸为3000 µm)分解为105分钟,在120-190°C的范围内,在没有空气的情况下,进行了105分钟。该过程是在批处理反应器内完成的(长度x宽度x高= 44.5 cm x 35.5 cm x 25 cm),配备了一个连接到三个冷凝器(24°C)的出口。将冷凝器设置为串联,其中冷凝器1直接连接到反应器和连接器2连接的冷凝器1和3。热解会导致第一个冷凝器是一种两相液体,顶层中有褐色黄色的液体,底层中的无色和刺耳的液体。在第二和第三个冷凝器中,获得了无色和辛辣的液体。FTIR的结果表明在样品中检测到不同的化学成分。第一个,第二和第三冷凝器包含芳香族C = C键。第二和第三冷凝器具有相同的官能团,即H 2 O中的氢键,以及具有C -H弯曲烯烃的芳族官能团,这些算力也由FTIR原料所具有。通过GC-MS分析的结果表明,第二和第三个冷凝器含有苯乙烯,甲苯,乙酸甲酯,苄基环丙烷和其他苯乙烯衍生物。通过GC-MS分析的结果显示,在2-丙酮和苯甲胺化合物中发现的氧和氮的混合物。这个热解过程表明发生降解反应,其中聚苯乙烯被降解为小片段,例如苯乙烯和其他衍生物,例如苯,甲苯和甲苯和苯基苯。然而,由于存在氧和氮,热解是不完整的。这项研究对提供有关热解过程的想法和信息产生了有益的影响。这项研究还提供了用于在传统废物处理基础设施难以到达的领域的热解过程中的想法。本研究还旨在支持可持续发展目标(SDG)中的当前问题。
我们要感谢制定本指导意见的非正式参考小组的成员:Mara Holzenthal 和 Hannah Weifenbach(德国国际合作公司)、Manuela Bärtschi(瑞士开发署)、Toon Driessen 和 Michel Seto(比利时 Enabel 公司)、Jan Pettersson(瑞典援助研究专家组)、Aki Enkenberg(芬兰外交部)、Erla Hjalmarsdottir(冰岛外交部)、Othilie Louradour Du Souich(联合国教科文组织)、Pascal Zimmer(德国联邦经济合作与发展部)、Sasha Gallant 和 Amy McDonough(美国国际开发署)、Bumi Camara(非洲开发银行)、Eric Beugnot(法国开发署)、Henny Gerner(荷兰外交部)、Tharanga Godallage(联合国人口基金)和 Tom Feeny(国际发展创新联盟)。
[1] 2022. 韦氏词典:美国最值得信赖的在线词典。https://www.merriam-webster.com [2] Diego Antognini、Claudiu Musat 和 Boi Faltings。2021. 通过批评与解释互动。第三十届国际人工智能联合会议 IJCAI-21 论文集,周志华(编辑)。国际人工智能联合会议组织,515–521。https://doi.org/10.24963/ijcai.2021/72 主轨道。 [3] Alejandro Barredo Arrieta、Natalia Diaz-Rodriguez、Javier Del Ser、Adrien Bennetot、Siham Tabik、Alberto Barbado、Salvador Garcia、Sergio Gil-Lopez、Daniel Molina、Richard Benjamins、Raja Chatila 和 Francisco Herrera。2020 年。可解释人工智能 (XAI):概念、分类法、机遇和挑战,迈向负责任的人工智能。Inf. Fusion 58 (2020),82–115。[4] Gagan Bansal、Besmira Nushi、Ece Kamar、Walter S. Lasecki、Daniel S. Weld 和 E. Horvitz。2019 年。超越准确性:心智模型在人机团队表现中的作用。在 AAAI 人类计算与众包会议 (HCOMP) 上。 [5] Gagan Bansal、Tongshuang (Sherry) Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Túlio Ribeiro 和 Daniel S. Weld。2021 年。整体是否超过部分?人工智能解释对互补团队绩效的影响。2021 年 CHI 计算机系统人为因素会议论文集 (2021 年)。[6] Pieter J. Beers、Henny PA Boshuizen、Paul A. Kirschner 和 Wim H. Gijselaers。2006 年。共同点、复杂问题和决策。群体决策与谈判 15 (2006),529–556。 [7] Umang Bhatt、Alice Xiang、S. Sharma、Adrian Weller、Ankur Taly、Yunhan Jia、Joydeep Ghosh、Ruchir Puri、José MF Moura 和 P. Eckersley。2020 年。可解释的机器学习在部署中的应用。2020 年公平、问责和透明度会议论文集 (2020 年)。[8] Wayne C Booth、William C Booth、Gregory G Colomb、Gregory G Colomb、Joseph M Williams 和 Joseph M Williams。2003 年。研究的技巧。芝加哥大学出版社。[9] Andrea Brennen。2020 年。当人们说他们想要“可解释的人工智能”时,他们真正想要的是什么?我们询问了 60 位利益相关者。2020 年 CHI 计算系统人为因素会议扩展摘要。1-7。 [10] Zana Buccinca、Phoebe Lin、Krzysztof Z Gajos 和 Elena Leah Glassman。2020 年。代理任务和主观测量可能会在评估可解释的人工智能系统时产生误导。第 25 届智能用户界面 (IUI) 国际会议论文集 (2020 年)。[11] Hao-Fei Cheng、Ruotong Wang、Zheng Zhang、Fiona O'Connell、Terrance Gray、F. Maxwell Harper 和 Haiyi Zhu。2019 年。通过 UI 解释决策算法:帮助非专家利益相关者的策略。在 2019 年 CHI 计算机系统人为因素会议论文集 (英国苏格兰格拉斯哥) 中。美国纽约州纽约,1-12。 https://doi.org/10.1145/3290605.3300789 [12] Erin K. Chiou 和 John D. Lee。2021 年。信任自动化:为响应性和弹性而设计。《人为因素》(2021 年)。[13] Meia Chita-Tegmark、Theresa Law、Nicholas Rabb 和 Matthias Scheutz。2021 年。您可以信任您的信任衡量标准吗?2021 年 ACM/IEEE 人机交互国际会议论文集 (2021),第 92-100 页。https://doi.org/10.1145/3434073.3444677 [14] Jin-Hee Cho、Kevin Chan 和 Sibel Adali。2015 年。信任建模调查。ACM 计算调查 (CSUR) 48,2(2015 年),1-40。[15] Herbert H. Clark。1996 年。使用语言。剑桥大学出版社。[16] David Roxbee Cox。1958 年。实验规划。 (1958 年)。