Supplementary material to "A predictive viscosity model for aqueous electrolytes and mixed organic-inorganic aerosol phases"
Notice bibliographique
Résumé
S1 Derivation for cation-anion viscosity contribution weightingThis section further describes the cation-anion contribution treatment introduced in Section 2.3 of the main text.For multi-ion mixtures, a special weighting must be derived to be fully consistent with all potential cation-anion pairings and such that there is no double counting of the contributions of a specific ion when paired up with the various anions.This can be accomplished by treating the aqueous solution as a mixture of (dissolved) charge-neutral cation-anion pairs, with each cation combined with each anion proportionally to the charge-weighted ion amounts involved in the solution overall.That is, we can think of the ions present in the solution as being the result of dissolving various possible electrolyte components (initially).The goal here is to provide a means of quantifying a "fair" share of each possible electrolyte component (as a binary, charge-balanced cationanion unit) in a clearly defined manner.Consider the total of positive charges in the aqueous electrolyte mixture, Jc c=1 n c • z c , which is equivalent in magnitude to the total of negative charges, Ja a=1 n a • |z a |, for an overall charge-neutral solution.We can
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) | 0,001 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».