MétaCan
Menu
Retour à la cohorte
Enregistrement W2084359780 · doi:10.1115/ihtc14-22262

Predicting the Phonon Properties of Carbon Nanotubes Using the Spectra Energy Density

2010· article· en· W2084359780 sur OpenAlexaff
John A. Thomas, Joseph E. Turney, Ryan M. Iutzi, Alan J. H. McGaughey, C. H. Amon

Notice bibliographique

Revue2010 14th International Heat Transfer Conference, Volume 6 · 2010
Typearticle
Langueen
DomaineMaterials Science
ThématiqueThermal properties of materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPhononCarbon nanotubeThermal conductivityMaterials scienceMolecular dynamicsRelaxation (psychology)Spectral lineMolecular physicsThermalFourier transformDensity of statesCarbon fibersComposite numberCondensed matter physicsChemical physicsNanotechnologyChemistryPhysicsThermodynamicsComputational chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Thermal transport by phonons in water/carbon nanotube (CNT) composite systems is investigated using molecular dynamics (MD) simulation. We calculate the spectral energy density of empty and water-filled CNTs and use it to extract the mode-specific phonon group velocities, relaxation times, and thermal conductivities. The total thermal conductivity predicted from the spectral energy density is consistent with what we predict using a direct application of the Fourier law in an MD simulation. The number of atoms and simulation runtime required to predict the spectral energy density, however, are both at least one order-of-magnitude smaller.

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 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 enseignants0,011
Score d'incertitude au seuil0,999

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,029
Tête enseignante GPT0,224
Écart entre enseignants0,195 · 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

Citations2
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2010 14th International Heat Transfer Conference, Volume 6Même sujetThermal properties of materialsTravaux en français237 207