MétaCan
Menu
Retour à la cohorte
Enregistrement W2159053936 · doi:10.1155/2012/654321

The Effects of Mixing, Reaction Rates, and Stoichiometry on Yield for Mixing Sensitive Reactions—Part II: Design Protocols

2012· article· en· W2159053936 sur OpenAlexafffund
Syed Imran Ali Shah, Larry W. Kostiuk, Suzanne M. Kresta

Notice bibliographique

RevueInternational Journal of Chemical Engineering · 2012
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSpectroscopy and Quantum Chemical Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésDimensionless quantityYield (engineering)Mixing (physics)StoichiometryMicromixingReaction rateDiffusionThermodynamicsChemistryMaterials scienceAnalytical Chemistry (journal)Physical chemistryCatalysisOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Competitive-consecutive and competitive-parallel reactions are both mixing sensitive reactions where the yield of desired product depends on how fast the reactants are brought together. Recent experimental results have suggested that the magnitude of the mixing effect may depend strongly on the stoichiometry of the reactions. To investigate this, a 1D, dimensionless, reaction-diffusion model was developed at the micromixing scale, yielding a single general Damköhler number. Dimensionless reaction rate ratios were derived for both reaction schemes. A detailed investigation of the effects of initial mixing condition (striation thickness), dimensionless reaction rate ratio, and reaction stoichiometry on the yield of desired product showed that the stoichiometry has a considerable effect on yield. All three variables were found to interact strongly. Model results for 12 stoichiometries are used to determine the mixing scale and relative rate ratio needed to achieve a specified yield for each reaction scheme. The results show that all three variables need to be considered when specifying reactors for mixing sensitive reactions.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,016
Tête enseignante GPT0,289
Écart entre enseignants0,273 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Chemical EngineeringMême sujetSpectroscopy and Quantum Chemical StudiesTravaux en français237 207