MétaCan
Menu
Retour à la cohorte
Enregistrement W2091854825 · doi:10.1063/1.3284542

Molecular dynamics simulations of adsorption and diffusion of gases in silicon-carbide nanotubes

2010· article· en· W2091854825 sur OpenAlexaff
Kourosh Malek, Muhammad Sahimi

Notice bibliographique

RevueThe Journal of Chemical Physics · 2010
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensBC Innovation Council
Organismes subventionnairesNational Science Foundation
Mots-clésCarbon nanotubeMaterials scienceAdsorptionSupercritical fluidChirality (physics)Molecular dynamicsDiffusionChemical engineeringChemical physicsNanotubeSilicon carbideNanotechnologyThermodynamicsComputational chemistryChemistryPhysical chemistryComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Silicon carbide nanotubes (SiCNTs) are new materials with excellent properties, such as high thermal stability and mechanical strength, which are much improved over those of their carboneous counterparts, namely, carbon nanotubes (CNTs). Gas separation processes at high temperatures and pressures may be improved by developing mixed-matrix membranes that contain SiCNTs. Such nanotubes are also of interest in other important processes, such as hydrogen production and its storage, as well as separation by supercritical adsorption. The structural parameters of the nanotubes, i.e., their diameter, curvature, and chirality, as well as the interaction strength between the gases and the nanotubes' walls, play a fundamental role in efficient use of the SiCNTs in such processes. We employ molecular dynamics simulations in order to examine the adsorption and diffusion of N(2), H(2), CO(2), CH(4), and n-C(4)H(10) in the SiCNTs, as a function of the pressure and the type of the nanotubes, namely, the zigzag, armchair, and chiral tubes. The simulations indicate the strong effect of the nanotubes' chirality and curvature on the pressure dependence of the adsorption isotherms and the self-diffusivities. Detailed comparison is made between the results and those for the CNTs. In particular, we find that the adsorption capacity of the SiCNTs for hydrogen is higher than the CNTs' under the conditions that we have studied.

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 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 enseignants0,022
Score d'incertitude au seuil0,219

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,242
Écart entre enseignants0,235 · 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.

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

Citations99
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Chemical PhysicsMême sujetCarbon Nanotubes in CompositesTravaux en français237 207