MétaCan
Menu
Retour à la cohorte
Enregistrement W1995587763 · doi:10.1063/1.3650767

Phase behaviour and phase separation kinetics measurement using acoustic arrays

2011· article· en· W1995587763 sur OpenAlexafffund
M. Khammar, John M. Shaw

Notice bibliographique

RevueReview of Scientific Instruments · 2011
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueNMR spectroscopy and applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesVirtual Materials Group
Mots-clésMaterials scienceAttenuationPorous mediumHeptaneBar (unit)Speed of soundPhase (matter)AcousticsAcoustic wavePorosityAcoustic attenuationOpticsThermodynamicsComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Speed of sound and acoustic wave attenuation are sensitive to fluid phase composition and to the presence of liquid-liquid interfaces. In this work, the use of an acoustic array comprising 64 elements as a non-intrusive sensor for liquid-liquid interface, phase separation kinetics measurement in bulk fluids, and local composition measurement in porous media is illustrated. Three benchmark examples: the phase behaviour of methanol + mixed hexanes and methanol + heptane mixtures at 25.0 °C and 1 bar, and Athabasca bitumen + heptane in a synthetic silica porous medium at 22.5 °C and 1 bar, illustrate the accuracy of liquid-liquid interface and potential research and industrial applications of the technique. Liquid-liquid interfaces can be detected independently using both speed of sound and acoustic wave attenuation measurements. The precision of the interface location measurement is 300 μm. As complete scans can be performed at a rate of 1 Hz, phase separation kinetics and diffusion of liquids within porous media are readily tracked. The technique is expected to find application where the fluids or porous media are opaque to visible light and where other imaging techniques are not readily applied, or are too costly. A current limitation is that the acoustic probes must be cooled to less than 315 K in order for them to operate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,074
Tête enseignante GPT0,391
Écart entre enseignants0,317 · 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 source (Gemma direct ou Codex distillé), 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

Citations15
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReview of Scientific InstrumentsMême sujetNMR spectroscopy and applicationsTravaux en français237 207