Kinetics in DMS: Modeling Clustering and Declustering Reactions
Notice bibliographique
Résumé
Differential mobility spectrometry (DMS) uses high-frequency oscillating electrical fields to harness the differential mobility of ions for separating complex sample mixtures prior to detection. To increase the resolving power, a dynamic microsolvation environment is often created by introducing solvent vapors. Here, relatively large clusters are formed at low-field conditions which then evaporate to form smaller clusters at high-field conditions. The kinetics of these processes as the electrical field strength oscillates are not well studied. Here, we develop a computational framework to investigate how the different reactions (cluster association, cluster dissociation, and fast conformational changes) behave at different field strengths. We aim to better understand these processes, their effect on experimental outcomes, and whether DMS model accuracy is improved via incorporating their description. We find that cluster association and dissociation reactions for typical ion-solvent pairs are fast compared to the time scale of the varying separation fields usually used. However, low solvent concentration, small dipole moments, and strong ion-solvent binding can result in reaction rates small enough that a lag is observed in the ion's DMS response. This can yield differences of several volts in the compensation voltages required to correct ion trajectories for optimal transmission. We also find that the proposed kinetic approach yields generally better agreement with experiment than using a modified Boltzmann weighting scheme. Thus, this work provides insights into the chemical dynamics occurring within the DMS cell while also increasing the accuracy of dispersion plot predictions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».