MétaCan
Menu
Retour à la cohorte
Enregistrement W2789904718 · doi:10.1002/jssc.201701344

A simple, fast, and accurate thermodynamic‐based approach for transfer and prediction of GC retention times between columns and instrument<b>s Part II: Estimation of target column geometry</b>

2018· article· en· W2789904718 sur OpenAlexafffund
Siyuan Hou, Keisean Stevenson, James J. Harynuk

Notice bibliographique

RevueJournal of Separation Science · 2018
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical Chemistry and Chromatography
Établissements canadiensUniversity of Alberta
Organismes subventionnairesGenome AlbertaGenome Canada
Mots-clésColumn (typography)TransferabilityChemistryWork (physics)Gas chromatographyVan Deemter equationChromatographyAlgorithmAnalytical Chemistry (journal)MathematicsGeometryThermodynamicsHigh-performance liquid chromatographyStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

The transfer of thermodynamic parameters governing retention of a molecule in gas chromatography from a reference column to a target column is a difficult problem. Successful transfer demands a mechanism whereby the column geometries of both columns can be determined with high accuracy. This is the second part in a series of three papers. In Part I of this work we introduced a new approach to determine the actual effective geometry of a reference column and thermodynamic-based parameters of a suite of compounds on the column. Part II, presented here, illustrates the rapid estimation of the effective inner diameter (or length) and the effective phase ratio of a target column. The estimation model based on the principle of least squares; a fast Quasi-Newton optimization algorithm was developed to provide adequate computational speed. The model and optimization algorithm were tested and validated using simulated and experimental data. This study, together with the work in Parts I and III, demonstrates a method that improves the transferability of thermodynamic models of gas chromatography retention between gas chromatography columns.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
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 Opus0,027
Tête enseignante GPT0,287
Écart entre enseignants0,260 · 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

Citations8
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Separation ScienceMême sujetAnalytical Chemistry and ChromatographyTravaux en français237 207