MétaCan
Menu
Retour à la cohorte
Enregistrement W2528768032 · doi:10.1039/c6cp06289j

A critical assessment of the mechanisms governing the formation of aqueous biphasic systems composed of protic ionic liquids and polyethylene glycol

2016· article· en· W2528768032 sur OpenAlexaff
Ana Filipa M. Cláudio, Jorge F. B. Pereira, Parker D. McCrary, Mara G. Freire, João A. P. Coutinho, Robin D. Rogers

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2016
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueIonic liquids properties and applications
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPolyethylene glycolIonic liquidAqueous solutionPEG ratioChemistrySolubilityPolymerPolymer chemistryAlkylSalt (chemistry)Phase (matter)Organic chemistryChemical engineering

Résumé

récupéré en direct d'OpenAlex

) and several N-alkyl-, dialkyl-, and trialkyl-ammonium salts of acetate, propanoate, butanoate, hexanoate and octanoate were prepared and their ability to form ABS at several temperatures assessed. The ternary liquid-liquid phase diagrams were determined at several temperatures, as well as binary PIL (or salt)-PEG-1000 and salt-water solubility data to better clarify the mechanisms responsible for the phase separation. All data gathered indicate that the formation of PEG-PIL-based ABS is mainly governed by the PIL-PEG mutual interactions, where PILs with a higher solubility in the polymer exhibit a lower aptitude to form ABS displaying thus a smaller biphasic region, for which a direct correlation was identified. The effects of the molecular weight and temperature of the polymer were also addressed. The increase of the PEG hydrophobicity or molecular weight favours the phase separation, whereas the effect of temperature was found to be more complex and dependent on the nature of the PIL, with an increase or decrease of the biphasic regime with an increase in temperature.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,248
Écart entre enseignants0,237 · 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

Citations25
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical Chemistry Chemical PhysicsMême sujetIonic liquids properties and applicationsTravaux en français237 207