MétaCan
Menu
Retour à la cohorte
Enregistrement W2574790547 · doi:10.1146/annurev-fluid-122316-045114

Hydrodynamic Interactions Among Bubbles, Drops, and Particles in Non-Newtonian Liquids

2017· article· en· W2574790547 sur OpenAlexaff
Roberto Zenit, James J. Feng

Notice bibliographique

RevueAnnual Review of Fluid Mechanics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNewtonian fluidMechanicsViscoelasticityRheologyNon-Newtonian fluidIntuitionSurface tensionClassical mechanicsDrop (telecommunication)PhysicsBubbleThermodynamicsComputer science

Résumé

récupéré en direct d'OpenAlex

The understanding of hydrodynamic forces around particles, drops, or bubbles moving in Newtonian liquids is modestly mature. It is possible to obtain predictions of the attractive–repulsive interaction for moving ensembles of dispersed particulate objects. There is a certain intuition of what the effects of viscous, inertial, and surface tension forces should be. When the liquid is non-Newtonian, this intuition is gone. In this review, we summarize recent efforts at gaining fundamental understanding of hydrodynamic interactions in non-Newtonian liquids. Due to the complexity of the problem, most investigations rely on experimental observations. However, computations of non-Newtonian fluid flow have made increasingly significant contributions to our understanding of particle, drop, and bubble interactions. We focus on gravity-driven flows: rise or sedimentation of single spheroidal objects, pairs, and dispersions. We identify the effects of two main rheological attributes—viscoelasticity and shear-dependent viscosity—on the interaction and potential aggregation of particles, drops, and bubbles. We end by highlighting the open questions in the subject and by suggesting future directions toward the fundamental physics as well as applications.

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)0,001
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
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 Opus0,007
Tête enseignante GPT0,262
Écart entre enseignants0,255 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations146
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Fluid MechanicsMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207