Experimental Methods in Chemical Engineering: Discrete Element Method—DEM
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The discrete element method (DEM) is a time‐driven simulation technique based on a Lagrangian description of particle motion that predicts the flow of granular matter and fine powders in conveying, mixing, drying, and heterogeneous gas‐(liquid)‐solids reactors. Powders flowing out of bins form bridges, they segregate in suboptimal pharmaceutical v‐blenders, and a stream may split into large gulf streams as they enter fluidized bed reactors from standpipes and diplegs. To reduce the uncertainty in scaling up these and other powder process unit operations, researchers apply DEM. It integrates Newton's second law (acceleration equals the sum of the forces) for each particle and models contacts between the particles with springs and dashpots (dampers). It is computationally intensive since it calculates the trajectory of all particles. The availability of open source codes, commercial software, and parallel computer architectures has accelerated its adoption in pharmaceutical, agro‐industrial, and mineral processes, and geophysics. The accuracy of DEM models depends on how well researchers calibrate the contact model expressions and their parameters: friction coefficients and the coefficient of restitution. Systems exceeding 1 × 10 8 particles can require weeks of computational time on large computer clusters. Current research targets non‐spherical particle interactions and multiphysics problems including heat transfer, mass transfer, and chemical reactions within the particles. The field has grown to 750 indexed articles in WoS in 2017. A bibliographic analysis recognized four research clusters: granular materials, behaviour, particle shape, and deformation; flows, fluidized beds, and computational fluid dynamics; particles, impact, and validation; and granular flow, dynamics, and segregation.
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.
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 | 0,001 | 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 | 0,001 |
| 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 découle