A theoretical model to predict the amounts of sugar and water in a binary mixture and its experimental validation by time domain nuclear magnetic resonance
Notice bibliographique
Résumé
Abstract Time-domain nuclear magnetic resonance (TD-NMR) enables quick, non-invasive, and cost-effective quantification of sugar in a solution. This study proposed a theoretical model to quantify the amounts of sugar and water in a binary sugar solution (a solution where a single type of sugar, either a monosaccharide or disaccharide, is dissolved in water) using TD-NMR. The mathematical model was developed by focusing on the mass balance equation and the acquisition signal (relating to the total hydrogen content) to predict the individual masses of sugar and water. To validate the model, a monosaccharide (fructose) and a disaccharide (saccharose) were used. In order to predict the individual masses of sugar and water, the experimental value of the total hydrogen content in the solution was a prerequisite, which depended on the conversion factor (k). The value of k was obtained using three methods: (a) varying the amount of water, (b) varying the amount of sugar in water, and (c) changing the source of hydrogen (replacing the hydrogen of water with the hydrogen of sugar). The k obtained solely from pure water were not feasible for quantifying sugar due to its high mean absolute relative error (MARE ≈ 30%). The model achieved a MARE of 2%–5% for both sugar solutions when k was sourced from the individual sugar solution. Furthermore, linear regression showed a strong fit (R2 ≥ 0.97) between the predicted and actual masses of sugar and water, indicating the model’s reliability and feasibility.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».