MétaCan
Menu
Retour à la cohorte
Enregistrement W4281384352 · doi:10.1002/aic.17761

<scp>AI</scp> models for correlation of physical properties in system of <scp>1DMA2P‐CO<sub>2</sub>‐H<sub>2</sub>O</scp>

2022· article· en· W4281384352 sur OpenAlexafffund
Helei Liu, Xiaotong Jiang, Raphael Idem, Shoulong Dong, Paitoon Tontiwachwuthikul

Notice bibliographique

RevueAIChE Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversity of ReginaUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBeijing Institute of Technology
Mots-clésAqueous solutionAmine gas treatingArtificial neural networkThermodynamicsViscosityAbsorption (acoustics)Heat capacityChemistryWork (physics)Empirical modellingMaterials sciencePhysical chemistryComputer sciencePhysicsOrganic chemistrySimulationMachine learning

Résumé

récupéré en direct d'OpenAlex

Abstract In this work, the density, viscosity, and specific heat capacity of pure 1‐dimethylamino‐2‐propanol (1DMA2P) as well as aqueous unloaded and CO2‐loaded 1DMA2P solution (with a CO2 loading of 0.04–0.70 mol CO2/mol amine) were measured over the 1DMA2P concentration range of 0.5–3.0 mol/L and temperature range of 293–323 K. The observed experimental results of these thermophysical properties of the 1DMA2P‐H2O‐CO2 system were correlated using empirical models as well as artificial neural network (ANN) models (namely, back‐propagation neural network [BPNN] and radial basis function neural network [RBFNN] models). It was found that the developed BPNN and RBFNN models could predict the experimental results of 1DMA2P‐H2O‐CO2 better than correlations using empirical models. The results could be treated as one of the accurate and potential methods to predict the physical properties for aqueous amine CO2 absorption systems.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0020,000

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 Opus0,014
Tête enseignante GPT0,206
Écart entre enseignants0,192 · 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'étudeSimulation ou modélisation
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

Citations65
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207