Metrics for estimating vapour pressure deviation from ideality in binary mixtures
Notice bibliographique
Résumé
A novel method is introduced for estimating the degree of interactions occurring between two different compounds in a binary mixture resulting in deviations from ideality as predicted by Raoult’s law. Metrics of chemical similarity between binary mixture components were used as descriptors and correlated with the Root-Mean Square Error (RMSE) associated with Raoult’s law calculations of total vapour pressure prediction, including Abraham descriptors, sigma moments, and several chemical properties. The best correlation was for a quantitative structure-activity relationship (QSAR) equation using differences in Abraham parameters as descriptors (r2 = 0.7585), followed by a QSAR using differences in COSMO-RS sigma moment descriptors (r2 = 0.7461), and third by a QSAR using differences in the chemical properties of log KAW, melting point, and molecular weight as descriptors (r2 = 0.6878). Of these chemical properties, Δlog KAW had the strongest correlation with deviation from Raoult’s law (RMSE) and this property alone resulted in an r2 of 0.6630. These correlations are useful for assessing the expected deviation in Raoult’s law estimations of vapour pressures, a key property for estimating inhalation exposure.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».