MétaCan
Menu
← Retour à la cohorte
Enregistrement W2346282611 · doi:10.1063/1.4948437

Hysteresis of liquid adsorption in porous media by coarse-grained Monte Carlo with direct experimental validation

2016· article· en· W2346282611 sur OpenAlexaboutno aff
B. Zeidman, Ning Lu, David T. Wu

Notice bibliographique

RevueThe Journal of Chemical Physics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesColorado School of Mines
Mots-clésMonte Carlo methodPorous mediumHysteresisWettingMaterials sciencePorosityMetastabilityAdsorptionStatistical physicsMechanicsPhysicsComposite materialChemistryMathematicsCondensed matter physicsPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The effects of path-dependent wetting and drying manifest themselves in many types of physical systems, including nanomaterials, biological systems, and porous media such as soil. It is desirable to better understand how these hysteretic macroscopic properties result from a complex interplay between gasses, liquids, and solids at the pore scale. Coarse-Grained Monte Carlo (CGMC) is an appealing approach to model these phenomena in complex pore spaces, including ones determined experimentally. We present two-dimensional CGMC simulations of wetting and drying in two systems with pore spaces determined by sections from micro X-ray computed tomography: a system of randomly distributed spheres and a system of Ottawa sand. Results for the phase distribution, water uptake, and matric suction when corrected for extending to three dimensions show excellent agreement with experimental measurements on the same systems. This supports the hypothesis that CGMC can generate metastable configurations representative of experimental hysteresis and can also be used to predict hysteretic constitutive properties of particular experimental systems, given pore space images.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,212
Écart entre enseignants0,205 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Chemical Physics→Même sujetEnhanced Oil Recovery Techniques→Travaux en français237 207→