Experimental Determination of the Thermal Diffusivity of α-Cryolite up to 810 K and Comparison with First Principles Predictions
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide In aluminum electrolysis cells, a ledge of frozen electrolyte is formed on the sides. Controlling the side ledge thickness (a few centimeters) is essential to maintain a reasonable life span of the electrolysis cell, as the ledge acts as a protective layer against chemical attacks from the electrolyte bath used to dissolve alumina. The numerical modeling of the side ledge thickness, by using, for example, finite element analysis, requires some input data on the thermal transport properties of the side ledge. Unfortunately, there is a severe lack of experimental data, in particular, for the main constituent of the side ledge, the cryolite (Na 3 AlF 6 ). The aim of this study is twofold. First, the thermal transport properties of cryolite, not available in the literature, were measured experimentally. Second, the experimental data were compared with previous theoretical predictions based on first principle calculations. This was carried out to evaluate the capability of first principle methods in predicting the thermal transport properties of complex insulating materials. The thermal diffusivity of a porous synthetic cryolite sample containing 0.9 wt % of alumina was measured over a wide range of temperature (473–810 K), using the monotone heating method. Because of limited computational resources, the first principle method can be used only to determine the thermal properties of single crystals. The dependence of thermal diffusivity of the Na 3 AlF 6 + 0.9 wt % Al 2 O 3 mixture on the microstructural parameters is discussed. A simple analytical function describing both thermal diffusivity and thermal conductivity of cryolite as a function of temperature is proposed.
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) | 0,000 | 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 ».