MétaCan
Menu
Retour à la cohorte
Enregistrement W2598609661 · doi:10.1021/acssuschemeng.7b00339

Study of Extraction and Recycling of Switchable Hydrophilicity Solvents in an Oscillatory Microfluidic Platform

2017· article· en· W2598609661 sur OpenAlexafffund
Gabriella Lestari, Moien Alizadehgiashi, Milad Abolhasani, Eugenia Kumacheva

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsNorth Carolina State University
Mots-clésSolventMicrofluidicsProcess engineeringExtraction (chemistry)Process (computing)Materials scienceSolvent extractionNanotechnologyOne-StepBiochemical engineeringChemical engineeringComputer scienceChromatographyChemistryOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

One of the challenges in the development of green and sustainable chemical processing is solvent removal and subsequent replacement with another solvent in various steps of multistep syntheses, extraction, or purification. A promising alternative approach is the use of “switchable” solvents that change their properties on demand. The evaluation of the performance of switchable solvents in the entire extraction-recovery process, with a capability of efficient solvent recycling, is vital for their future applications. We report an oscillatory microfluidic platform to reproduce a complete cycle of CO 2 -mediated extraction and recovery of switchable hydrophilicity solvents, with the capability of solvent recycling. The evaluation of the efficiency of solvent extraction and recovery in the entire process is achieved within 1.5 h, with <15 μL of the solvent, without the formation of double emulsions, and with the capability to obtain the temporal information for each step of the process. The new methodology enabled time-, labor-, and cost- efficient screening of the performance and recovery of different switchable solvents, important for the development of new effective formulations and their use on industrial scale.

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 enseignants0,000
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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,258
Écart entre enseignants0,244 · 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

Citations20
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207