MétaCan
Menu
Retour à la cohorte
Enregistrement W2920244130 · doi:10.5194/acp-19-10073-2019

Predictions of diffusion rates of large organic molecules in secondary organic aerosols using the Stokes–Einstein and fractional Stokes–Einstein relations

2019· article· en· W2920244130 sur OpenAlexafffund
Erin Evoy, Adrian M. Maclean, Grazia Rovelli, Ying Li, Alexandra P. Tsimpidi, Vlassis A. Karydis, Saeid Kamal, Jos Lelieveld, Manabu Shiraiwa, Jonathan P. Reid, Allan K. Bertram

Notice bibliographique

RevueAtmospheric chemistry and physics · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSight Research UKDeutsche ForschungsgemeinschaftNatural Environment Research CouncilU.S. Department of EnergyNational Science Foundation
Mots-clésEinstein relationDiffusionChemistryViscosityMoleculeChemical physicsThermodynamicsAnalytical Chemistry (journal)PhysicsChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Information on the rate of diffusion of organic molecules within secondary organic aerosol (SOA) is needed to accurately predict the effects of SOA on climate and air quality. Diffusion can be important for predicting the growth, evaporation, and reaction rates of SOA under certain atmospheric conditions. Often, researchers have predicted diffusion rates of organic molecules within SOA using measurements of viscosity and the Stokes–Einstein relation (D∝1/η, where D is the diffusion coefficient and η is viscosity). However, the accuracy of this relation for predicting diffusion in SOA remains uncertain. Using rectangular area fluorescence recovery after photobleaching (rFRAP), we determined diffusion coefficients of fluorescent organic molecules over 8 orders in magnitude in proxies of SOA including citric acid, sorbitol, and a sucrose–citric acid mixture. These results were combined with literature data to evaluate the Stokes–Einstein relation for predicting the diffusion of organic molecules in SOA. Although almost all the data agree with the Stokes–Einstein relation within a factor of 10, a fractional Stokes–Einstein relation (D∝1/ηξ) with ξ =0.93 is a better model for predicting the diffusion of organic molecules in the SOA proxies studied. In addition, based on the output from a chemical transport model, the Stokes–Einstein relation can overpredict mixing times of organic molecules within SOA by as much as 1 order of magnitude at an altitude of ∼3 km compared to the fractional Stokes–Einstein relation with ξ =0.93. These results also have implications for other areas such as in food sciences and the preservation of biomolecules.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,207
Écart entre enseignants0,200 · 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'étudeSimulation ou modélisation
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

Citations78
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207