MétaCan
Menu
Retour à la cohorte
Enregistrement W4390236906 · doi:10.1063/5.0169047

Predicting freezing points of ternary salt solutions with the multisolute osmotic virial equation

2023· article· en· W4390236906 sur OpenAlexafffund
Hikmat Binyaminov, Henry Sun, Janet A.W. Elliott

Notice bibliographique

RevueThe Journal of Chemical Physics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMembrane-based Ion Separation Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAlberta InnovatesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésVirial coefficientThermodynamicsMolalityTernary operationMole fractionActivity coefficientOsmotic coefficientMathematicsBinary numberElectrolyteChemistryVirial theoremStatistical physicsApplied mathematicsPhysicsAqueous solutionPhysical chemistryComputer scienceArithmetic

Résumé

récupéré en direct d'OpenAlex

Previously, the multisolute osmotic virial equation with the combining rules of Elliott et al. has been shown to make accurate predictions for multisolute solutions with only single-solute osmotic virial coefficients as inputs. The original combining rules take the form of an arithmetic average for the second-order mixed coefficients and a geometric average for the third-order mixed coefficients. Recently, we derived generalized combining rules from a first principles solution theory, where all mixed coefficients could be expressed as arithmetic averages of suitable binary coefficients. In this work, we empirically extended the new model to account for electrolyte effects, including solute dissociation, and demonstrated its usefulness for calculating the properties of multielectrolyte solutions. First, the osmotic virial coefficients of 31 common salts in water were tabulated based on the available freezing point depression (FPD) data. This was achieved by polynomial fitting, where the degree of the polynomial was determined using a special criterion that accounts for the confidence intervals of the coefficients. Then, the multisolute model was used to predict the FPD of 11 ternary electrolyte solutions. Furthermore, models with the new combining rules and the original combining rules of Elliott et al. were compared using both mole fraction and molality as concentration units. We find that the mole-fraction-based model with the new combining rules performs the best and that the results agree well with independent experimental measurements with an all-system root-mean-square error of 0.24 osmoles/kg (0.45 °C) and close to zero mean bias for the entire dataset (371 data points).

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,031
Tête enseignante GPT0,247
Écart entre enseignants0,217 · 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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Chemical PhysicsMême sujetMembrane-based Ion Separation TechniquesTravaux en français237 207