MétaCan
Menu
Retour à la cohorte
Enregistrement W1989509506 · doi:10.1115/imece2010-38841

Size Effects in Green-Kubo and Direct Method Molecular Dynamics Predictions of Thermal Conductivity

2010· article· en· W1989509506 sur OpenAlexafffund
Daniel P. Sellan, E. S. Landry, Joseph E. Turney, Alan J. H. McGaughey, Cristina H. Amon

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueThermal properties of materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésExtrapolationThermal conductivityPhononMolecular dynamicsThermalStatistical physicsSiliconLattice (music)Materials sciencePhysicsCondensed matter physicsThermodynamicsMathematicsQuantum mechanicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

The bulk thermal conductivity of Lennard-Jones argon and Stillinger-Weber silicon is predicted using the Green-Kubo (GK) and direct methods in classical molecular dynamics simulations. While system-size independent thermal conductivities can be obtained with less than 1000 atoms for both materials using the GK method, the linear extrapolation procedure [Schelling et al. Phys. Rev. B 65, 144306 (2002)] must be applied to direct method results for multiple system sizes. It is found that applying the linear extrapolation procedure in a manner consistent with previous researchers can lead to an underprediction of the GK thermal conductivity (e.g., by a factor of 2.5 for Stillinger-Weber silicon at a temperature of 500 K). To understand this discrepancy, phonon properties are predicted from lattice dynamics calculations, and from these, length-dependent thermal conductivities. These results show that the linear extrapolation procedure is only accurate when the minimum system size used in the direct method simulations is comparable to the largest mean free paths of the phonons that dominate the thermal transport. This condition has not typically been satisfied in previous works.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,884

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,247
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetThermal properties of materialsTravaux en français237 207