MétaCan
Menu
← Retour à la cohorte
Enregistrement W3209463098 · doi:10.1021/acs.energyfuels.1c02173

Tracking Changes in Asphaltene Nanoaggregate Size Distributions as a Function of Silver Complexation via Gel Permeation Chromatography Inductively Coupled Plasma Mass Spectrometry

2021· article· en· W3209463098 sur OpenAlexaff
Fang Zheng, Rémi Moulian, Martha L. Chacón‐Patiño, Ryan P. Rodgers, Caroline Barrère‐Mangote, Murray R. Gray, Pierre Giusti, Quan Shi, Brice Bouyssière

Notice bibliographique

RevueEnergy & Fuels · 2021
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésChemistryAsphalteneGel permeation chromatographyMass spectrometrySize-exclusion chromatographyInductively coupled plasma mass spectrometryChromatographyElutionVanadiumAcetoneInductively coupled plasmaInorganic chemistryOrganic chemistryPolymerPlasma

Résumé

récupéré en direct d'OpenAlex

Asphaltene elution behavior in gel permeation chromatography (GPC) was studied with and without the presence of silver triflate (AgOTf) via inductively coupled plasma mass spectrometry. The experiments highlighted the influence of AgOTf on the molecular weight profiles for atmospheric residues (ARs), asphaltenes, and their extrography subfractions. Specifically, the molecular weight distribution of the sulfur-, vanadium-, and nickel-containing compounds changed markedly with the addition of AgOTf, which suggests that AgOTf disrupts/alters the interaction between Ni and vanadyl porphyrins and select S-containing compounds within asphaltene nanoaggregates. However, similar effects were not observed with AgOTf addition to the high-molecular-weight GPC fractions of AR and the acetone extrography asphaltene fraction, which is comprised of abundant, highly aromatic/single-core compounds.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,228
Écart entre enseignants0,216 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & Fuels→Même sujetPetroleum Processing and Analysis→Travaux en français237 207→