MétaCan
Menu
Retour à la cohorte
Enregistrement W3135564752 · doi:10.1007/s13203-021-00265-z

Nitrogen-containing aromatic compounds: quantitative analysis using gas chromatography with nitrogen phosphorus detector

2021· article· en· W3135564752 sur OpenAlexafffund
Yuan Rao, Arno de Klerk

Notice bibliographique

RevueApplied Petrochemical Research · 2021
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical Chemistry and Chromatography
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates
Mots-clésChemistryNitrogenGas chromatographyPyrolysisCyanideInorganic chemistryOrganic chemistryChromatography

Résumé

récupéré en direct d'OpenAlex

Abstract The nitrogen-containing aromatic compounds found in the petrochemical industry are varied and extend beyond classes such as the anilines, pyrroles and pyridines. Quantification of these nitrogen-containing compounds that may occur in complex mixtures has practical application for quality assurance, process development and the evaluation of conversion processes. Selective detection of nitrogen-containing species in complex mixtures is possible by making use of gas chromatography coupled with a nitrogen phosphorous detector (GC-NPD), which is also called a thermionic detector. Despite the linearity of the NPD response to individual nitrogen-containing compounds, the response factor is different for different compounds and even isomers of the same species. Quantitative analysis using an NPD requires species-specific calibration. The reason for the sensitivity of the NPD to structure is related to the ease of forming the cyano-radical that is ionized to the cyanide anion, which is detected. The operation of the NPD was related to the processes of pyrolysis and subsequent ionization. It was possible to offer plausible explanations for differences in response factors for isomers based on pyrolysis chemistry. Due to this relationship, the NPD response can in the same way be used to provide information of practical relevance beyond its analytical value and a few possible applications were outlined.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,043
Tête enseignante GPT0,323
Écart entre enseignants0,280 · 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'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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Petrochemical ResearchMême sujetAnalytical Chemistry and ChromatographyTravaux en français237 207