MétaCan
Menu
Retour à la cohorte
Enregistrement W2794820011 · doi:10.1088/2399-6528/aaba23

Self-diffusion in single-component Yukawa fluids

2018· article· en· W2794820011 sur OpenAlexaff
S. A. Khrapak, B. A. Klumov, Lénaïc Couëdel

Notice bibliographique

RevueJournal of Physics Communications · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueDust and Plasma Wave Phenomena
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesRussian Science FoundationAgence Nationale de la Recherche
Mots-clésYukawa potentialSelf-diffusionDiffusionPhysicsMomentum transferThermal diffusivityContext (archaeology)PlasmaThermodynamicsStatistical physicsComponent (thermodynamics)Momentum (technical analysis)Quantum mechanicsScatteringGeology

Résumé

récupéré en direct d'OpenAlex

It was suggested in the literature that the self-diffusion coefficient of simple fluids can be approximated as a ratio of the squared thermal velocity of the atoms to the 'fluid Einstein frequency,' which can thus serve as a rough estimate of the friction (momentum transfer) rate in the dense fluid phase.In this article we test this suggestion using a single-component Yukawa fluid as a reference system.The available simulation data on self-diffusion in Yukawa fluids, complemented with new data for Yukawa melts (Yukawa fluids near the freezing phase transition), are carefully analyzed.It is shown that although not exact, this earlier suggestion nevertheless provides a very sensible way of normalization of the self-diffusion constant.Additionally, we demonstrate that certain quantitative properties of self-diffusion in Yukawa melts are also shared by systems like one-component plasma and liquid metals at freezing, providing support to an emerging dynamical freezing indicator for simple soft matter systems.The obtained results are also briefly discussed in the context of the theory of momentum transfer in complex (dusty) plasmas.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,031
Tête enseignante GPT0,269
Écart entre enseignants0,238 · 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'étudeThéorique ou conceptuel
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

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics CommunicationsMême sujetDust and Plasma Wave PhenomenaTravaux en français237 207