Predicting the interaction between nanoparticles in shear flow using lattice Boltzmann method and Derjaguin–Landau–Verwey–Overbeek (DLVO) theory
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 functionality and performance of colloidal suspensions used in catalyst layer preparation and biomedical applications are largely dependent on the interaction between nanoparticles in colloidal suspension systems. Previous models (e.g., collision model) usually rely on an artificial repulsive force as the sole interaction between nanoparticles to prevent overlapping, but fail to capture the agglomeration or reveal the effect of solvents. In this study, the Derjaguin–Landau–Verwey–Overbeek (DLVO) theory is implemented in conjunction with a lattice Boltzmann-smoothed profile method developed to simulate the dynamic solid–fluid and particle–particle interactions between nanoparticles in shear flow. Both aqueous and non-aqueous solvents are considered. The model consists of an attractive van der Waals force and repulsive electrostatic and Born forces in aqueous solvents and is modified for non-aqueous solvents by replacing the repulsive electrostatic force by Coulombic repulsion. The numerical model is validated against a benchmark analytic solution for the motion of one nanoparticle in shear flow. For two-particle systems, physically representative simulations are obtained with the DLVO models, resulting in nanoparticles that remain attached or eventually detach depending on a critical particle Reynolds number. Furthermore, the DLVO models properly resolve the effect of solvents on nanoparticle motion. The improved representation of inter-particle interactions achieved with the DLVO and modified-DLVO models provides a physically consistent approach to simulate and investigate agglomeration and dispersion in colloidal suspensions.
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 | 0,000 | 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 | 0,000 |
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