MétaCan
Menu
Retour à la cohorte
Enregistrement W3094123028 · doi:10.3390/molecules25214915

Application of Ionic Liquids for Chemical Demulsification: A Review

2020· review· en· W3094123028 sur OpenAlexafffund
Nahid Hassanshahi, Guangji Hu, Jianbing Li

Notice bibliographique

RevueMolecules · 2020
Typereview
Langueen
DomaineChemical Engineering
ThématiqueIonic liquids properties and applications
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaUniversity of Northern British Columbia
Organismes subventionnairesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésDemulsifierIonic liquidEmulsionFlammabilityChemical engineeringIonic bondingThermal stabilityMaterials scienceVapor pressureViscosityChemistryOrganic chemistryIonEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

In recent years, ionic liquids have received increasing interests as an effective demulsifier due to their characteristics of non-flammability, thermal stability, recyclability, and low vapor pressure. In this study, emulsion formation and types, chemical demulsification system, the application of ionic liquids as a chemical demulsifier, and key factors affecting their performance were comprehensively reviewed. Future challenges and opportunities of ionic liquids application for chemical demulsification were also discussed. The review indicted that the demulsification performance was affected by the type, molecular weight, and concentration of ionic liquids. Moreover, other factors, including the salinity of aqueous phase, temperature, and oil types, could affect the demulsification process. It can be concluded that ionic liquids can be used as a suitable substitute for commercial demulsifiers, but future efforts should be required to develop non-toxic and less expensive ionic liquids with low viscosity, and the demulsification efficiency could be improved through the application of ionic liquids with other methods such as organic solvents.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,036
Tête enseignante GPT0,315
Écart entre enseignants0,279 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations104
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMoleculesMême sujetIonic liquids properties and applicationsTravaux en français237 207