Bitumen–Toluene Mutual Diffusion Coefficients Using Microfluidics
Notice bibliographique
Résumé
In this paper, we present a microfluidic approach to measure liquid solvent diffusivity in Athabasca bitumen. The method has three distinguishing features: (a) a sharp initial condition enabled by the high wettability of the solvent; (b) one-dimensional diffusive transport (in the absence of convection) ensured by microscale confinement; and (c) visible-light-based measurement enabled by the partial transparency of the bitumen at small scales. The method is applied to measure the diffusion of toluene into bitumen by imaging transmitted light profiles over time, and relating intensities to the mass fractions. Plotting toluene mass fraction versus distance/sqrt(time), results in a tight superposition of all curves (time-dependent mass fractions) demonstrating the diffusion dominated nature of the system and the robustness of the method. The diffusion transport equations were solved and fit to a constant diffusion coefficient as well as a variety of concentration-dependent diffusion coefficient relations found in the literature. For intermediate toluene mass fractions (0.2–0.8), a constant diffusion coefficient of 2.0 × 10 –10 m 2 /s provides an appropriate representation. However, at low toluene mass fractions (<0.2), significantly reduced diffusive transport is observed, and endpoint analysis indicates diffusion coefficients trending toward 4.3 × 10 –11 m 2 /s. At high toluene mass fractions (>0.8), the values trend toward 1.5 × 10 –10 m 2 /s. This microfluidic method provides an inexpensive and rapid mutual diffusion coefficient evaluation, with significantly improved spatial/composition resolution vis-à-vis competing measurement methods.
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 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) | 0,001 | 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 tête enseignante, 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 ».