DETERMINAÇÃO DOS PARÂMETROS DE INTERAÇÃO DO SISTEMA TERNÁRIO ACETATO DE ETILA/ÁGUA/AÇÚCAR USANDO O ALGORITMO DE EVOLUÇÃO DIFERENCIAL
Bibliographic record
Abstract
O conhecimento do comportamento termodinâmico de misturas é uma informação relevante durante o projeto de equipamentos empregados em processos de separação. Tradicionalmente para a representação do equilíbrio de fases de misturas envolvidas nestes processos são empregados modelos de coeficiente de atividade. Esses por sua vez possuem parâmetros de interação intermoleculares que precisam ser determinados a partir de dados experimentais de equilíbrio. A determinação destes parâmetros caracteriza um problema inverso, isto é, um problema de estimação de parâmetros. Neste cenário, o presente trabalho tem por objetivo a determinação dos parâmetros de interação do sistema ternário acetato de etila/água/açúcar usando o Algoritmo de Evolução Diferencial com sub- populações. Para essa finalidade utilizou-se dados experimentais de equilíbrio para sistemas ternários e modelos tradicionais de coeficiente de atividade em temperaturas distintas. Foram estimados parâmetros dos modelos de Wilson, NRTL e UNIQUAC. Os resultados obtidos indicam que metodologia proposta configura-se como uma interessante alternativa para a resolução do problema inverso proposto.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".