Notice bibliographique
Résumé
A dozen chemical reaction engineers from academia and industry recently published a sequel to the “Vision 2020: Reaction Engineering Roadmap,” published in 2001. In this webinar, that team of authors will provide a summary of our recently issued perspective paper, “Vision 2050: Reaction Engineering Roadmap,” available from ACS Engineering Au. This webinar will follow the format of our recent paper, with brief summaries of our perspectives regarding the field of reaction engineering in the context of four industry sectors (basic chemicals, specialty chemicals, pharmaceuticals, and polymers) and five technology areas (reactor system selection, design and scale-up, chemical mechanism development and property estimation, catalysis, nonstandard reactor types, and electrochemical systems). This seminar will feature multiple speakers, a subset of the team of the corresponding paper's authors. The entire coauthor team is as follows: Praveen Bollini (U. of Houston), Moiz Diwan (Abbvie), Pankaj Gautam (SABIC), Ryan Hartman (New York U.), Dan Hickman (Dow), Marty Johnson (Eli Lilly), Moto Kawase (Kyoto U.), Matt Neurock (U. of Minnesota), Gregory Patience (Polytechnique Montréal), Alan Stottlemyer (Dow), Dion Vlachos (U. of Delaware), and Ben Wilhite (Texas A M).
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».