MétaCan
Menu
Retour à la cohorte
Enregistrement W2169691700 · doi:10.1115/1.4007540

Driving Forces and Transportation Efficiency in Water Transportation Through Single-Walled Carbon Nanotubes

2012· article· en· W2169691700 sur OpenAlexaff
Meng Sun, Wenhui Duan, Quan Wang, Martin Dowman, Jayantha Kodikara

Notice bibliographique

RevueJournal of Nanotechnology in Engineering and Medicine · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueNanopore and Nanochannel Transport Studies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesAustralian Research Council
Mots-clésCarbon nanotubeMolecular dynamicsWater transportMoleculeMaterials scienceChemical physicsChannel (broadcasting)NanotechnologyPotential of mean forceWater channelBrownian motionNanofluidicsCarbon fibersMechanicsChemical engineeringComposite materialChemistryWater flowComputational chemistryEnvironmental engineeringEnvironmental sciencePhysicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Based on the concept of an energy pump, water transportation in a carbon nanotube (CNT) is studied by molecular dynamics simulations. The influences of CNT pretwist angle, water mass, environmental temperature, CNT diameter, CNT channel length, and CNT channel restrain condition on driving force and transportation efficiency are investigated. It is found that in order to initiate the transportation, the pretwist angle must be larger than certain threshold, 80 deg, for the case of one water molecule in a restrained (8,0) CNT. Furthermore, driving force decreases with increasing water mass and it is more efficient to transport multiple water molecules than one water molecules. The water molecule is found to have higher degrees of collisions in a (8,0) CNT in elevated environmental temperature. By comparing three CNT channel lengths, the channel length of 19.80 nm is identified as a faster and more efficient transporter in an unrestrained (8,8) CNT. Finally, molecular dynamics (MD) simulation indicates that a water molecule can only be transported below 300 K in an unrestrained (8,8) CNT due to the large friction caused by severely deformed channel and the Brownian motion.

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 enseignants0,119
Score d'incertitude au seuil0,526

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 Opus0,008
Tête enseignante GPT0,208
Écart entre enseignants0,199 · 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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nanotechnology in Engineering and MedicineMême sujetNanopore and Nanochannel Transport StudiesTravaux en français237 207