Nanocatalytic chemohydrodynamic instability: Deposition effects
Notice bibliographique
Résumé
Due to the high surface area to volume ratio of nanoparticles, nanocatalytic reactive flows are widely utilized in various applications, such as water purification, fuel cell, energy storage, and biodiesel production. The implementation of nanocatalysts in porous media flow, such as oil recovery and contaminant transport in soil, can trigger or modify the interfacial instabilities called viscous fingering. These instabilities grow at the interface of the fluids when a less viscous fluid displaces a high viscous one in porous media. Here the flow dynamics and the total amount of chemical product are investigated when two reactive miscible fluids meet in a porous medium while undergoing A+B+n → C+n reaction. Nanocatalysts (n) are dispersed in the displacing fluid and deposited gradually with time. Four generic regimes are observed over time as a result of the particle deposition: (1) the initial diffusive regime, where the flow is stable with decreasing production rate, (2) the mixing-dominant fingering regime, where the flow is unstable and the production rate generally increases, (3) the transition regime, where the production rate generally decreases regardless of whether the system is stable or unstable, and (4) the final zero-production regime, where the product diffuses and fades away in the channel. Although the general trend shows a decreasing reaction rate with nanocatalysts deposition, there is a period in which the production rate increases due to the moderate deposition rates. Such an increase of production, however, is not observed in two groups: first, those systems in which the nanocatalysts do not change the viscosity of the base fluid and, second, a subgroup of the systems that are stable before and after the reaction in the absence of deposition.
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 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 | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».