MétaCan
Menu
Retour à la cohorte
Enregistrement W2326273076 · doi:10.1021/ja2101278

Microfluidic Study of Fast Gas–Liquid Reactions

2011· article· en· W2326273076 sur OpenAlexaff
Wei Li, Kun Liu, Ryan Simms, Jesse Greener, Dinesh Jagadeesan, Sascha Pinto, Axel Günther, Eugenia Kumacheva

Notice bibliographique

RevueJournal of the American Chemical Society · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensUniversity of New BrunswickUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésChemistryMicrofluidicsBubbleLiquid liquidGas bubbleMass transferMicroreactorDispersityReaction rateChemical reactionKineticsChemical kineticsReaction rate constantNanotechnologyCatalysisChromatographyOrganic chemistryMechanics

Résumé

récupéré en direct d'OpenAlex

We present a new concept for studies of the kinetics of fast gas-liquid reactions. The strategy relies on the microfluidic generation of highly monodisperse gas bubbles in the liquid reaction medium and subsequent analysis of time-dependent changes in bubble dimensions. Using reactions of CO(2) with secondary amines as an exemplary system, we demonstrate that the method enables rapid determination of reaction rate constant and conversion, and comparison of various binding agents. The proposed approach addresses two challenges in studies of gas-liquid reactions: a mass-transfer limitation and a poorly defined gas-liquid interface. The proposed strategy offers new possibilities in studies of the fundamental aspects of rapid multiphase reactions, and can be combined with throughput optimization of reaction conditions.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,017
Tête enseignante GPT0,244
Écart entre enseignants0,226 · 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'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

Citations99
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Chemical SocietyMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207