Extension of the AIOMFAC Model for Atmospheric Aerosols Containing Partially Dissociating Organosulfates and Dicarboxylic Acids
Notice bibliographique
Résumé
Organosulfates (OS) are emerging as a prominent secondary organic aerosol component, which can significantly alter the physicochemical properties and thus broader impacts of atmospheric aerosols. Despite their importance, OS-containing mixtures have yet to be studied using a detailed thermodynamic model which can account for the nonideal mixing among all species. In this work, we have extended the Aerosol Inorganic-Organic Mixtures Functional groups Activity Coefficients (AIOMFAC) model, a robust thermodynamic model that predicts activity coefficients in aerosol mixtures, to support OS-containing mixtures, including solving for the partial dissociation of OS. Simultaneously, we have extended AIOMFAC to support the partial dissociation of dicarboxylic acids (DA). DA are a prevalent class of compounds in tropospheric aerosols, whose pH-dependent dissociation can significantly impact aerosol physicochemical properties. We show that, for simple OS-containing and DA-containing systems, AIOMFAC is able to predict water activity and acidity (pH) behaviors that are physically reasonable and agree well with measurements, including new water activity and pH measurements performed for this study. To date, partial dissociation support in AIOMFAC is limited to select OS (methyl sulfate, ethyl sulfate, isoprene-OS-3, and isoprene-OS-4) and select DA (malonic acid, succinic acid, and glutaric acid) in simple single-phase mixtures. However, as more thermodynamic data become available, AIOMFAC's treatment of organic acids can be further refined and expanded, enabling it to predict how the partial dissociation of organic acids affects the physicochemical properties of realistic multicomponent, multiphase aerosol systems.
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 | 0,000 | 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 ».