MétaCan
Menu
Retour à la cohorte
Enregistrement W2019765403 · doi:10.1021/ie200975e

Lignosulfonate Separation Using Preparative Column Chromatography

2011· article· en· W2019765403 sur OpenAlexaff
Xinping Ouyang, Pan Zhang, Xueqing Qiu, Yonghong Deng, Pu Chen

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésChemistryChromatographyFractionationPolyelectrolyteDispersitySulfiteSeparation processAnalytical Chemistry (journal)Fraction (chemistry)Phase (matter)PolymerOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

A two-step chromatographic process was developed for the fractionation of lignosulfonate (LS), a main component of sulfite effluence. LS fractions with low polydispersity were obtained, which enables detailed investigation into the relationship between structure and property of LS with different molecular weight ( M w ). Sephacryl S-100 was used for LS separation in the first step, and then Sephadex LH-20 and Sephacryl S-100 were chosen for further separation of LS fractions with M w below and above 6000 Da, respectively. Although the mechanism of column chromatographic separation of LS was mainly dependent on its molecular size, 0.20 mol/L of NaCl or NaNO 3 solution was needed in the mobile phase at pH 5.7 to minimize electrostatic interaction and polyelectrolyte effect. Compared with the polyelectrolyte effect, the electrostatic interaction was more important in the LS separation. Because the LS fractions of higher M w had a characteristic of low negative charge, a mobile phase with high flow rate and high pH value was suitable for separating LS fractions with high M w .

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,175
Tête enseignante GPT0,340
Écart entre enseignants0,165 · 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

Citations28
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetLignin and Wood ChemistryTravaux en français237 207