Prediction of Cloud Point Curves of Alkyl Ethoxylates with the Hydrophilic–Lipophilic‐Difference and Net‐Average‐Curvature (HLD‐NAC) Framework
Notice bibliographique
Résumé
Abstract Understanding and predicting cloud point phenomena is important for the formulation of nonionic surfactant systems, and the design of cloud‐phenomena‐associated separation processes. There have been several approaches to fit and predict the cloud point phenomena, in most cases using bulk thermodynamic approaches. In this work, we introduced the hydrophilic–lipophilic‐difference and net‐average‐curvature (HLD‐NAC) as an interfacial (curvature) approach to predict cloud point values at different surfactant concentrations (cloud point curve). The HLD‐NAC method could fully predict the cloud point of alkyl ethoxylate of pure surfactants, typically within 4 °C of the experimental values, using published HLD constants, and the molecular structure of the surfactants. For commercial (polydispersed) surfactants, the same level of accuracy can be achieved if the experimental cloud point at 1 wt.% is used to adjust the HLD values. One additional benefit of using the HLD framework is the ability to predict changes in the cloud point curve with the introduction of electrolytes. While other models can fit the experimental data within 1 °C, the greater uncertainty of the HLD‐NAC (~4 °C) is a reasonable compromise given the simplicity of the approach.
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) | 0,001 | 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 ».