Quantitative structure–property relationship approach to predicting xylene separation with diverse exchanged faujasites
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Streamlining the xylene separation process on faujasites is a promising way to design innovative adsorbents for this application. For this purpose, we present herein an original quantitative structure-property relationship (QSPR) approach. It deals with the development of a multi-linear predictive model correlating the separation properties with a set of structural descriptors for the adsorbents. The implementation of such an approach makes it necessary to (i) set an appropriate design of experiment (DOE), (ii) prepare an adsorbent database, (iii) test the adsorbent database for xylene separation and (iv) compute a set of relevant descriptors. The selected descriptors essentially characterize the nature of the confinement in the faujasite supercage, i.e., the size of the cations localized in adsorption sites II, as well as the occupancy ratio of both adsorption sites II and III. Two different statistical methods were applied to develop a structure-property relationship model linking experimental selectivity and the set of descriptors. A multiple linear regression model enables the prediction of para/meta-xylene selectivity with a correlation coefficient R2 of 0.78, while a linear discriminant analysis predicts the assignment of the adsorbents to four identified classes with a total prediction percentage of 76%.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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