Experimental Methods in Chemical Engineering: Nuclear Magnetic Resonance
Notice bibliographique
Résumé
Abstract Nuclear magnetic resonance (NMR) spectroscopy measures free induction decay (FID) signals that atomic nuclei emit when excited by a radio‐frequency (RF) pulse in a static magnetic field. The Fourier‐transformed spectrum shows chemically shifted peaks, area intensity, and multiplicity, which give information on molecular structure, bonds, functional groups, and purity. Web of Science Core Collection indexed 46 000 articles that mentioned NMR in 2016 and 2017. The VosViewer software grouped the research into 5 clusters: solid‐state analysis including metabolomics; biology with in‐vitro and antibacterial applications; coupled analytical techniques to identify crystal structure for which x‐ray diffraction and density functional theory figure prominently; liquid‐state analysis for polymers, aqueous solutions, nano‐particles, and drug delivery; and chemosensors. Researchers publishing in The Canadian Journal of Chemical Engineering focus most on: liquid‐state NMR to characterize polymers, branching, and monomers; quantify conformation, reaction kinetics, and equilibrium; and assess surfactant stability, ionic liquids, and composition. We introduce the theory behind NMR spectroscopy and common applications in chemistry and material science. We highlight the strength and limitations, sources of error, and the detection limit for this analytical technique, as manufacturers develop massive magnets for high‐resolution spectra (1 GHz), and benchtop NMR for real‐time, in‐situ analysis (80 MHz).
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».