MétaCan
Menu
Retour à la cohorte
Enregistrement W2592707455 · doi:10.1039/c7cp00550d

Bubble nucleation and growth in nanochannels

2017· article· en· W2592707455 sur OpenAlexafffund
Bo Bao, Seyed Hadi Zandavi, Huawei Li, Junjie Zhong, Arnav Jatukaran, Farshid Mostowfi, David Sinton

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesAlberta InnovatesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésNanofluidicsNucleationBubbleMaterials scienceNanotechnologyOil shalePhase changeChemical physicsMechanicsChemistryEngineering physicsGeologyPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

We apply micro- and nanofluidics to study fundamental phase change behaviour at nanoscales, as relevant to shale gas/oil production. We investigate hydrocarbon phase transition in sub-100 nm channels under conditions that mimic the pressure drawdown process. Measured cavitation pressures are compared with those predicted from the nucleation theory. We find that cavitation pressure in the nanochannels corresponds closer to the spinodal limit than that predicted from classical nucleation theory. This deviation indicates that hydrocarbons remain in the liquid phase in nano-sized pores under pressures much lower than the saturation pressure. Depending on the initial nucleation location - along the channel or at the end - two types of bubble growth dynamics were observed. Bubble growth was measured experimentally at different nucleation conditions, and results agree with a fluid dynamics model including evaporation rate, instantaneous bulk liquid velocity, and bubble pressure. Collectively these results demonstrate, characterize, and quantify isothermal bubble nucleation and growth of a pure substance in nanochannels.

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 enseignants0,195
Score d'incertitude au seuil0,609

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 Opus0,011
Tête enseignante GPT0,225
Écart entre enseignants0,214 · 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

Citations66
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Chemistry Chemical PhysicsMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207