MétaCan
Menu
Retour à la cohorte
Enregistrement W4213151525 · doi:10.6000/1929-5030.2022.11.08

The Friction Coefficient Investigation during Electrochemical Baromembrane Separation of Model Solutions

2022· article· en· W4213151525 sur OpenAlexvenueno aff
К. В. Шестаков

Notice bibliographique

RevueJournal of Applied Solution Chemistry and Modeling · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMembrane-based Ion Separation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMass transferMembraneElectrochemistrySeparation (statistics)ThermodynamicsCellulose acetateChemistryKinetic energyAnalytical Chemistry (journal)ChromatographyMathematicsElectrodePhysical chemistryStatisticsPhysicsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

A large number of scientific papers in recent decades have been devoted to the mathematical description of a mass transfer of substances through membranes. The choice of a mathematical model is to be carried out depending on the specific separation process used. This study represents a verification of how the predicted value of the solute flow density obtained using pre-calculated friction coefficients corresponds to real experimental data for electrochemical baromembrane separation of model solutions. The experimental and theoretically calculated values of the Ni (II), Cu (II), and Fe (III) cations flux density through the heterogeneous cellulose acetate membranes MGA-95 and MGA-100 are compared. It is established that the use of the mass transfer friction model is quite effective in predicting the kinetic characteristics of electrochemical membrane separation of solutions using semipermeable membranes. The calculation error in most cases is within one percent.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,019
Tête enseignante GPT0,241
Écart entre enseignants0,221 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Solution Chemistry and ModelingMême sujetMembrane-based Ion Separation TechniquesTravaux en français237 207