MétaCan
Menu
← Retour à la cohorte
Enregistrement W2774825741 · doi:10.1139/cgj-2016-0150

Using molecular dynamics to unravel phase composition behavior of nano-size pores in frozen soils: Does Young–Laplace equation apply in low temperature range?

2017· article· en· W2774825741 sur OpenAlexvenueno aff
Chao Zhang, Zhen Liu, Peng Deng

Notice bibliographique

RevueCanadian Geotechnical Journal · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Civil, Mechanical and Manufacturing InnovationMichigan Technological UniversityMichigan Space Grant ConsortiumNational Science Foundation
Mots-clésSoil waterWettingAdsorptionPhase (matter)Melting-point depressionMolecular dynamicsLaplace's equationPhase transitionMaterials scienceLaplace transformThermodynamicsChemical physicsChemistryGeologyMelting pointSoil scienceComposite materialPhysicsPartial differential equationMathematicsPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The phase composition curve of frozen soils is a fundamental relationship in understanding permafrost and seasonally frozen soils. However, due to the complex interplay between adsorption and capillarity, a clear physically based understanding of the phase composition curve in the low temperature range, i.e., <265 K, is still absent. Especially, it is unclear whether the Young–Laplace equation corresponding to capillarity still holds in nano-size pores where adsorption could dominate. In this paper, a framework based on molecular dynamics was developed to investigate the phase transition behavior of water confined in nano-size pores. A series of simulations was conducted to unravel the effects of the pore size and wettability on the freezing and melting of pore water. This is the first time that the phase composition behavior of frozen soils is analyzed using molecular dynamics. It is found that the Young–Laplace equation may not apply in the low temperature range.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,027
Tête enseignante GPT0,278
Écart entre enseignants0,251 · 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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical Journal→Même sujetClimate change and permafrost→Travaux en français237 207→