MétaCan
Menu
Back to cohort
Record W2954030617 · doi:10.71781/12183

Caractérisation des solvants régénérables utilisés pour la capture du CO2 par chromatographie liquide couplée à la spectrométrie de masse

2018· dissertation· fr· W2954030617 on OpenAlexaboutno aff
Stephanie Gallant

Bibliographic record

VenueOpen MIND · 2018
Typedissertation
Languagefr
FieldChemistry
TopicAnalytical Chemistry and Chromatography
Canadian institutionsnot available
Fundersnot available
KeywordsChemistryChromatography

Abstract

fetched live from OpenAlex

Malgré l’émergence des énergies renouvelables, les combustibles fossiles composent encore la majeure partie de la production d’énergie au Canada. Afin de limiter la production de gaz à effet de serre, qui est régis par plusieurs lois gouvernementales, l'industrie utilise des solvants aqueux aminés régénérables pour la capture du CO2. La caractérisation des produits de dégradation de ces solvants après plusieurs cycles de régénération est essentielle afin de vérifier leurs efficacités. Les travaux de recherche présentés dans ce mémoire portent sur le développement d’une méthode d'analyse par chromatographie en phase liquide couplée à la spectrométrie de masse (LC-MS) afin de séparer toutes les espèces connues dans les différentes solutions de régénération. Pour ce faire, la détermination de la meilleure phase stationnaire, parmi les cinq qui ont été préalablement choisies, a été réalisée afin de sélectionner celle qui offre la meilleure séparation pour un mélange, à une concentration établie, de 16 composés de dégradations connus et de la molécule de capture. À l’aide de critères de performances préétablis et de cinq différentes compositions de phases mobiles, trois phases stationnaires ont été retenues pour une optimisation des paramètres de séparations chromatographiques (force ionique de la phase mobile, débit de la phase mobile, gradient d’élution, etc.). Cette optimisation des paramètres expérimentaux a été réalisée afin de déterminer les conditions chromatographiques qui donnent la meilleure séparation des différents analytes cibles dans les échantillons fournis en gradient d’élution non-linéaire sur 13 min avec une phase mobile constituée de l’éluant A (10 mM de formate d’ammonium, 0,05 % d’acide formique et 5% éthanol) et de l’éluant B (acétonitrile avec 5% éthanol) à un débit de 0,5 µL/min et une température de 30C. Cette étape a été réalisée sur deux phases stationnaires, la Luna CN de Phénoménex et la BEH Amide de Waters ayant les dimensions respectives de 100 x 30 mm x 3,0 μm et 100 x 30 mm x 2,5 μm. À l’aide de cette dite méthode, il sera possible d’identifier de nouvelles espèces présentes dans ces solutions régénérables à l’aide de la spectrométrie de masse à haute résolution (HRMS). Dans cette optique, la méthode optimisée sera transférée au laboratoire de notre partenaire industriel, ce qui leur permettra d’optimiser les différents processus de capture et de régénération qu’ils utilisent dans le but d’obtenir une meilleure efficacité de capture du carbone à des fins économiques et environnementales.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.010
Threshold uncertainty score0.020

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.001
Science and technology studies0.0000.000
Scholarly communication0.0010.000
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.001

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.

Opus teacher head0.016
GPT teacher head0.279
Teacher spread0.263 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueOpen MINDSame topicAnalytical Chemistry and ChromatographyFrench-language works237,207