Constant-number Monte Carlo simulation of aggregating and fragmenting particles
Notice bibliographique
Résumé
The constant-number Monte Carlo method introduced by Matsoukas and co-workers for simulating particulate systems is applied to the kinetics of aggregating and fragmenting particles. The efficiency of this approach is increased by incorporating a modified version of Gillespie’s full-conditioning algorithm for selecting an aggregation or fragmentation event. After the steps comprising the algorithm are outlined, it is validated by simulations for several aggregation and fragmentation kernels for which the population balance equations can be solved exactly. The results agree very well with the analytical expressions except for those kernels that give rise to a gelation transition, such as the product kernel kij=ij. In this case, the simulation data are accurate below the transition time tg, but deviate significantly above tg. The accuracy of the simulation method in describing gelling kernels, including those of the form kij=(ij)ω, is also investigated. For a strongly gelling kernel, tg is accurately predicted by maxima in the time derivative of the second moment of the particle mass and the time dependence of the number of size classes in the simulation. Gel formation is simulated by setting a threshold size g above which particles have properties of the gel in the Stockmayer or Flory models. The Stockmayer model can be accurately simulated for a value of g that depends on the number of particles in the simulation. Simulation of the Flory model is less successful; results are obtained more efficiently by using the conventional constant-volume Monte Carlo method.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».