MétaCan
Menu
Retour à la cohorte
Enregistrement W4414941365 · doi:10.1126/sciadv.adv7805

Atmospheric water cluster–catalyzed formation of nitroaromatics as a secondary aerosol source

2025· article· en· W4414941365 sur OpenAlexaff
Haiping Xiong, Xiaoyu Liu, Chongwen Sun, Xiangyu Zhang, Xinming Wang, Jingxin Lin, Likun Xue, Xiaomin Sun, Xiaona Shang, Fangfang Ma, Hong‐Bin Xie, Jingwen Chen, Gang Yan, Hongbo Fu, Lin Wang, Yinon Rudich, C. George, Abdelwahid Mellouki, Defeng Zhao, Xinke Wang, Hartmut Herrmann, Jianmin Chen

Notice bibliographique

RevueScience Advances · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAerosolRelative humidityParticulatesAtmospheric airAtmospheric chemistryHumidityReaction mechanism

Résumé

récupéré en direct d'OpenAlex

Nitroaromatic compounds (NACs) are an abundant class of compounds in atmospheric particulate matter, exerting considerable impacts on air quality, climate, and public health. They are typically derived from secondary formation, which is generated through atmospheric chemical reactions involving precursor compounds, such as phenolic compounds. However, information on NAC formation mechanisms remains limited. Here, we found that particulate-phase NAC concentrations were notably affected by relative humidity (RH) in field observations. Smog chamber experiments indicated that RH could influence NAC formation via changes in gaseous water concentration, rather than solely through aerosol liquid water content. Theoretical calculations further clarified that water clusters (WCs), formed from gaseous water, can notably lower reaction energy barriers along the NAC formation pathway, rendering this pathway competitive under atmospheric conditions. Hence, we propose a potential mechanism in which WCs catalyze NAC formation, offering a previously unidentified perspective on atmospheric secondary aerosol formation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,005
Tête enseignante GPT0,218
Écart entre enseignants0,214 · 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'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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207