Machine learning-driven optimization of catalytic plastic upcycling: Semi-supervised imputation and inverse experimental design
0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Machine learning-driven optimization of catalytic plastic upcycling: Semi-supervised imputation and inverse experimental design
- Date Crossref
- 01/12/2025
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
State Key Laboratory of Pollution Control and Resource Reuse pays non établi dans la noticeStructure de recherche
-
Shanghai Institute of Pollution Control and Ecological Security pays non établi dans la noticeStructure de recherche
-
School of Environmental Science and Engineering State Key Laboratory of Water Pollution Control and Green Resource Recycling pays non établi dans la noticeUniversité ou école supérieure
-
Tianfu Yongxing Laboratory pays non établi dans la noticeStructure de recherche
State Key Laboratory of Pollution Control and Resource Reuse, Shanghai Institute of Pollution Control and Ecological Security et State Key Laboratory of Water Pollution Control and Green Resource Recycling — School of Environmental Science and Engineering, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Microplastics and Plastic PollutionMunicipal Solid Waste ManagementThermochemical Biomass Conversion Processes