MétaCan
Menu
Retour à la cohorte
Enregistrement W2060417045 · doi:10.1002/bit.20541

A restructured framework for modeling oxygen transfer in two‐phase partitioning bioreactors

2005· article· en· W2060417045 sur OpenAlexaff
David R. Nielsen, Andrew J. Daugulis, P. James McLellan

Notice bibliographique

RevueBiotechnology and Bioengineering · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésBioreactorMass transferPhase (matter)Mass transfer coefficientChemistryThermodynamicsHexadecaneChromatographyChemical engineeringOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

This communication proposes a mechanistic modification to a recently published method for analyzing oxygen mass transfer in two-phase partitioning bioreactors (Nielsen et al., 2003), and corrects an oversight in that paper. The newly proposed modification replaces the earlier empirical approach, which treated the two liquid phases as a single, homogeneous liquid phase, with a two-phase mass transfer model of greater fundamental rigor. Additionally, newly developed empirical models are presented that predict the mass transfer coefficient of oxygen absorption in both aqueous medium and an organic phase (n-hexadecane) as a function of bioreactor operating conditions. Experimental values and theoretical predictions of mass transfer coefficients in two-phase dispersions, k(L)a(TP), are compared. The revised approach more clearly demonstrates the potential for oxygen mass transfer enhancement by organic phase addition, one of the motivations for employing a distinct second phase in a partitioning bioreactor.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,363
Score d'incertitude au seuil0,739

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,244
Écart entre enseignants0,234 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations25
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiotechnology and BioengineeringMême sujetFluid Dynamics and MixingTravaux en français237 207