Optimization of Oxygen Delignification Process for Softwood Pulp
Bibliographic record
Abstract
Kirjallisuusosassa tutkittiin happivalkaisun kemiaa, kerättiin aikaisempia aineensiirto sekä kineettisiä malleja. \nLisäksi perehdyttiin teknologiaan jota käytetään kemiallisen sellun tuotannossa, etenkin happivalkaisussa. \n\nKokeellisessa osassa tutkittiin lämpötilan ja alkalipitoisuuden vaikutusta happivalkaisu-prosessissa. \nKokeet suoritettiin laboratorio-skaalan panosreaktorissa ja kokeissa käytettiin pestyä sellua. \nKäytetty lämpötila vaihteli välillä 85-115°C ja alkali välillä 3.0-4.5% (sellun massasta). \n\nNäytteistä analysointiin kappaluku, sisäinen viskositeetti, saanto, alkalin kulutus ja karbonaatin muodostus ajan funktiona. \nMittaustuloksista laskettiin selektiivisyysparametrit viskositeetin, polymerisoitumisasteen muutokselle sekä alkalin kulutukselle. \n\nTuloksista kehitettiin parametrit kirjallisuudesta löytyneisiin kineettisiin malleihin. \nMalleista määritettiin kertaluvut alkalin kulutukselle, paineelle ja kappaluvulle. \nLisäksi mallitettiin Arrhenius-yhtälön parametrit. \nMallien määrittämisessä käytettiin Kinfit-ohjelmaa. \n\nKokeissa käytetyt näytteet oli keitetty ja laatutarkastettu tehtaalla (Irvin Pulp and Paper Ltd., St John, New Brunswick, Canada). \nLisäksi tehtaan happidelignifikointi-prosessin operointiolosuhteet tallennettiin sekä kappaluku ja viskositeetti mitattiin kolmesta eri pisteestä prosessin aikana.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
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; both teacher heads agree on what is shown here.
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".