MétaCan
Menu
Retour à la cohorte
Enregistrement W2901048932 · doi:10.1002/cjce.23338

Phase transition properties, chemical purity, and solubility of coniferyl alcohol and D‐mannose: Experimental and Cosmo‐RS predictions

2018· article· en· W2901048932 sur OpenAlexvenueno aff
Mood Mohan, Tamal Banerjee, Vaibhav V. Goud

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCrystallization and Solubility Studies
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Science and Technology, Philippines
Mots-clésDifferential scanning calorimetryChemistryEnthalpy of fusionSolubilityAnalytical Chemistry (journal)Coniferyl alcoholMelting pointThermodynamicsPhysical chemistryOrganic chemistryLignin

Résumé

récupéré en direct d'OpenAlex

Abstract The main objective of the study was to investigate the phase transition properties (melting temperature and heat of fusion) and chemical purity of coniferyl alcohol and D‐mannose by differential scanning calorimetry (DSC). The measurements have been performed at different heating rates from 1–20 °C/min under atmospheric inert gas. From the DSC analysis, the onset temperature, peak temperature, and the heat of fusion of both the compounds were measured. They were found to increase with an increase in the heating rate. The chemical purity of coniferyl alcohol and D‐mannose were determined based on the van't Hoff equation. The chemical purity of coniferyl alcohol was observed to be 99.54 mol% with a correction factor of 1.44 % at a 15 °C/min heating rate. The corresponding purity values for D‐mannose were 98.98 mol% at a correction factor of 6.76 % and 20 °C/min. The obtained results showed that the chemical purity of both the compounds was found to decrease with an increase in the correction factor. Furthermore, this study also focuses on the solubility of both substances in ionic liquids by applying the continuum solvation model (COSMO‐RS) using DSC measured melting properties as input.

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 enseignants0,004
Score d'incertitude au seuil0,253

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,023
Tête enseignante GPT0,245
Écart entre enseignants0,222 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCrystallization and Solubility StudiesTravaux en français237 207