MétaCan
Menu
Retour à la cohorte
Enregistrement W2120960296 · doi:10.5194/acp-14-13189-2014

Novel methods for predicting gas–particle partitioning during the formation of secondary organic aerosol

2014· article· en· W2120960296 sur OpenAlexafffund
Frank Wania, Ying Duan Lei, Chen Wang, Jonathan P. D. Abbatt, Kai‐Uwe Goss

Notice bibliographique

RevueAtmospheric chemistry and physics · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDeutscher Akademischer Austauschdienst
Mots-clésAerosolChemistrySolvationPartition coefficientVapor pressureSorptionThermodynamicsParticle (ecology)MoleculeAnalytical Chemistry (journal)Physical chemistryEnvironmental chemistryOrganic chemistryAdsorptionPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. Several methods have been presented in the literature to predict an organic chemical's equilibrium partitioning between the water insoluble organic matter (WIOM) component of aerosol and the gas phase, Ki,WIOM, as a function of temperature. They include (i) polyparameter linear free energy relationships calibrated with empirical aerosol sorption data, as well as (ii) the solvation models implemented in SPARC and (iii) the quantum-chemical software COSMOtherm, which predict solvation equilibria from molecular structure alone. We demonstrate that these methods can be used to predict Ki,WIOM for large numbers of individual molecules implicated in secondary organic aerosol (SOA) formation, including those with multiple functional groups. Although very different in their theoretical foundations, these methods give remarkably consistent results for the products of the reaction of normal alkanes with OH, i.e. their partition coefficients Ki,WIOM generally agree within one order of magnitude over a range of more than ten orders of magnitude. This level of agreement is much better than that achieved by different vapour pressure estimation methods that are more commonly used in the SOA community. Also, in contrast to the agreement between vapour pressure estimates, the agreement between the Ki,WIOM estimates does not deteriorate with increasing number of functional groups. Furthermore, these partitioning coefficients Ki,WIOM predicted SOA mass yields in agreement with those measured in chamber experiments of the oxidation of normal alkanes. If a Ki,WIOM prediction method was based on one or more surrogate molecules representing the solvation properties of the mixed OM phase of SOA, the choice of those molecule(s) was found to have a relatively minor effect on the predicted Ki,WIOM, as long as the molecule(s) are not very polar. This suggests that a single surrogate molecule, such as 1-octanol or a hypothetical SOA structure proposed by Kalberer et al. (2004), may often be sufficient to represent the WIOM component of the SOA phase, greatly simplifying the prediction. The presented methods could substitute for vapour-pressure-based methods in studies such as the explicit modelling of SOA formation from single precursor molecules in chamber experiments.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,009
Tête enseignante GPT0,225
Écart entre enseignants0,216 · 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'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

Citations32
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207