MétaCan
Menu
Retour à la cohorte
Enregistrement W4311914333 · doi:10.21203/rs.3.rs-2383297/v1

Incorporating Ion Pairing in an Extended Specific Ion Theory: 2-2 Electrolytes

2022· preprint· en· W4311914333 sur OpenAlexaff
Alex De Visscher, Nazli Chavoshpoor

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineChemical Engineering
ThématiqueChemical and Physical Properties in Aqueous Solutions
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMolalityElectrolyteActivity coefficientPairingChemistryIonWork (physics)Ionic bondingThermodynamicsIonic strengthExtension (predicate logic)Computational chemistryPhysicsPhysical chemistryCondensed matter physicsAqueous solutionOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The specific ion theory (SIT) is a relatively simple model for the description of activity coefficients of ions in electrolyte solutions. However, the SIT model does not account for ion pairing, a phenomenon that is pronounced in 2–2 electrolytes. In this work, a recent extension of the SIT model is further extended to account for ion pairing. The model extension is tested with reported data for BeSO 2 , MgSO 4 , MnSO 4 , NiSO 4 , CuSO 4 , ZnSO 4 , and CdSO 4 . The standard error of the fit is typically around 1%. To get this accuracy in model fits of the activity coefficients that are consistent with literature data of the MgSO 4 0 ion pair concentration, it was necessary to work in a modified molality scale and to reduce the SIT parameter B from 1.5 to 1.2. The drawback of this choice is that a value of B equal to 1.2 leads to worse predictions of the activity coefficients of 1–1 electrolytes. It is concluded that not accounting for ion pairing in 2–2 electrolytes leads to overestimations of the ionic strength of up to 30% and leads to overestimations of the Debye-Huckel term for the activity coefficient of 2–2 electrolytes by up to 20%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,663
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,003
Intégrité de la recherche0,0000,005
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 Opus0,070
Tête enseignante GPT0,353
Écart entre enseignants0,283 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetChemical and Physical Properties in Aqueous SolutionsTravaux en français237 207