Constant-number Monte Carlo simulation of aggregating and fragmenting particles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle