MétaCan
Menu
Retour à la cohorte
Enregistrement W2148446855 · doi:10.1139/v11-078

Hydrogen peroxide decomposition in bicarbonate solution catalyzed by ferric citrate<sup>*</sup>This article has a companion paper in this issue (doi: 10.1139/v11-080).

2011· article· en· W2148446855 sur OpenAlexvenueno aff
Francis Attiogbé, Raymond C. Francis

Notice bibliographique

RevueCanadian Journal of Chemistry · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChemistryHydrogen peroxideBicarbonateDecompositionFerricInorganic chemistryCatalysisChelationPeroxideLigninNuclear chemistryReaction rate constantMedicinal chemistryKineticsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The peroxymonocarbonate mono- and di-anions (HCO4– and CO42–) are known to be generated from H2O2/HCO3–. They are promising oxidants for wood pulp bleaching, but peroxide decomposition catalyzed by ferric complexes can be significant for pulps whose lignin is highly reactive. Dicarboxylates from lignin peroxidation are believed to be the ferric chelators in the pH 8.5 range that is optimum for H2O2/HCO3–. This investigation aimed to see if HCO3– addition caused destabilization of the peroxygen system owing to its partial conversion to HCO4–. This anionic peracid is a much stronger oxidant than H2O2 and could lead to a higher rate of Fe(II) oxidation to Fe(III) and (or) Fe(IV). For most free radical chain mechanisms, an increase in Fe(II) oxidation results in a higher rate of peroxide decomposition. Based on the kinetic data that were obtained and theoretical analyses, it was concluded that HCO4– did not significantly destabilize the peroxygen system when citrate was used as a model chelator for Fe(III). Increasing the [HCO3–] fourfold from 0.025 to 0.10 mol/L caused the decomposition rate to increase by only 20%.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,013
Tête enseignante GPT0,208
Écart entre enseignants0,195 · 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

Citations4
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ChemistryMême sujetAdvanced oxidation water treatmentTravaux en français237 207