MétaCan
Menu
Retour à la cohorte
Enregistrement W2021013238 · doi:10.1088/0953-8984/23/28/285101

Silica through the eyes of colloidal models—when glass is a gel

2011· article· en· W2021013238 sur OpenAlexaff
Ivan Saika‐Voivod, Heather Marie King, P. Tartaglia, Francesco Sciortino, Emanuela Zaccarelli

Notice bibliographique

RevueJournal of Physics Condensed Matter · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMaterial Dynamics and Properties
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésErgodicityColloidErgodic theoryCrossoverMaterials scienceStatistical physicsDiffusionMolecular dynamicsRange (aeronautics)Chemical physicsThermodynamicsMathematicsChemistryPhysicsPhysical chemistryComputational chemistryStatisticsComputer scienceComposite material

Résumé

récupéré en direct d'OpenAlex

We perform molecular dynamics simulations of 'floating bond' (FB) models of network-forming liquids and compare the structure and dynamics against the BKS model of silica (van Beest et al 1990 Phys. Rev. Lett. 64 1955), with the aim of gaining a better understanding of glassy silica in terms of the variety of non-ergodic states seen in colloids. At low densities, all the models form tetrahedral networks. At higher densities, tailoring the FB model to allow a higher number of bonds does not capture the structure seen in BKS. Upon rescaling the time and length in order to compare mean squared displacements between models, we find that there are significant differences in the temperature dependence of the diffusion coefficient at high density. Additionally, the FB models show a greater range in variability in the behavior of the non-ergodicity parameter and caging length, quantities used to distinguish colloidal gels and glasses. Hence, we find that the glassy behavior of BKS silica can be interpreted as a 'gel' at low densities, with only a marginal gel-to-glass crossover at higher densities.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,211
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0020,000

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 Opus0,046
Tête enseignante GPT0,231
Écart entre enseignants0,185 · 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.

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

Citations10
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Condensed MatterMême sujetMaterial Dynamics and PropertiesTravaux en français237 207