MétaCan
Menu
Retour à la cohorte
Enregistrement W2896673025 · doi:10.1039/c8nr06204h

Supercritical CO<sub>2</sub>-induced atomistic lubrication for water flow in a rough hydrophilic nanochannel

2018· article· en· W2896673025 sur OpenAlexaff
Tuan A. Ho, Yifeng Wang, Anastasia Ilgen, Louise Criscenti, Craig M. Tenney

Notice bibliographique

RevueNanoscale · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueNanopore and Nanochannel Transport Studies
Établissements canadiensResponse Biomedical (Canada)
Organismes subventionnairesBasic Energy SciencesNational Nuclear Security AdministrationOffice of ScienceNational Energy Technology LaboratoryRoyal Society of ChemistryRoyal SocietySandia National LaboratoriesU.S. Department of Energy
Mots-clésLubricationLubricantSupercritical fluidMaterials scienceFlow (mathematics)NanofluidicsAtomic force microscopyRough surfaceNanotechnologyMolecular dynamicsFlow propertiesChemical engineeringChemical physicsMechanicsComposite materialChemistryComputational chemistryOrganic chemistryPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

A fluid flow in a nanochannel highly depends on the wettability of the channel surface to the fluid. The permeability of the nanochannel is usually very low, largely due to the adhesion of fluid at the solid interfaces. Using molecular dynamics (MD) simulations, we demonstrate that the flow of water in a nanochannel with rough hydrophilic surfaces can be significantly enhanced by the presence of a thin layer of supercritical carbon dioxide (scCO2) at the water-solid interfaces. The thin scCO2 layer acts like an atomistic lubricant that transforms a hydrophilic interface into a super-hydrophobic one and triggers a transition from a stick- to- a slip boundary condition for a nanoscale flow. This work provides an atomistic insight into multicomponent interactions in nanochannels and illustrates that such interactions can be manipulated, if needed, to increase the throughput and energy efficiency of nanofluidic systems.

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 enseignants0,014
Score d'incertitude au seuil0,991

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 Opus0,016
Tête enseignante GPT0,236
Écart entre enseignants0,220 · 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

Citations63
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetNanopore and Nanochannel Transport StudiesTravaux en français237 207