MétaCan
Menu
Retour à la cohorte
Enregistrement W2883086375 · doi:10.1063/1.5039507

On nonequilibrium shrinkage of supercritical CO2 droplets in a water-carrier microflow

2018· article· en· W2883086375 sur OpenAlexafffund
Na Qin, John Z. Wen, Baixin Chen, Carolyn L. Ren

Notice bibliographique

RevueApplied Physics Letters · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesCarbon Management Canada
Mots-clésMass transferSupercritical fluidShrinkageMicrochannelInterphaseMaterials scienceSupercritical carbon dioxideChemistryThermodynamicsAnalytical Chemistry (journal)NanotechnologyComposite materialChromatography

Résumé

récupéré en direct d'OpenAlex

We report an experimental study on the hydrodynamic shrinkage of supercritical carbon dioxide (scCO2) microdroplets during a nonequilibrium process. After scCO2 microdroplets are generated by water shearing upon a scCO2 flow in a micro T-junction, they are further visualized and characterized at the midpoint and the ending point of a straight rectangular microchannel (width × depth × length: 150 μm × 100 μm × 1.5 mm). The measured decreases in droplet size by 8%–36% indicate and simply quantify the droplet shrinkage which results from the interphase mass transfer between the droplet and the neighboring water. Using a mathematical model, the shrinkage of scCO2 droplets is characterized by solvent-side mass transfer coefficients (ks: 1.5 × 10−4–7.5 × 10−4 m/s) and the Sherwood number (Sh: 7–37). In general, ks here is two orders of magnitude larger than that of hydrostatic liquid CO2 droplets in water. The magnitude of Sh numbers highlights the stronger effect of local convections than that of diffusion in the interphase mass transfer. Our results, as reported here, have essential implications for scCO2-based chemical extractions and carbon storage in deep geoformations.

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)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,008
Tête enseignante GPT0,215
Écart entre enseignants0,207 · 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

Citations9
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Physics LettersMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207