Gas Permeation Model of Mixed-Matrix Membranes with Embedded Impermeable Cuboid Nanoparticles
Notice bibliographique
Résumé
In the packaging industry, the barrier property of packaging materials is of paramount importance. The enhancement of barrier properties of materials can be achieved by adding impermeable nanoparticles into thin polymeric films, known as mixed-matrix membranes (MMMs). Three-dimensional numerical simulations were performed to study the barrier property of these MMMs and to estimate the effective membrane gas permeability. Results show that horizontally-aligned thin cuboid nanoparticles offer far superior barrier properties than spherical nanoparticles for an identical solid volume fraction. Maxwell's model predicts very well the relative permeability of spherical and cubic nanoparticles over a wide range of the solid volume fraction. However, Maxwell's model shows an increasingly poor prediction of the relative permeability of MMM as the aspect ratio of cuboid nanoparticles tends to zero or infinity. An artificial neural network (ANN) model was developed successfully to predict the relative permeability of MMMs as a function of the relative thickness and the relative projected area of the embedded nanoparticles. However, since an ANN model does not provide an explicit form of the relation of the relative permeability with the physical characteristics of the MMM, a new model based on multivariable regression analysis is introduced to represent the relative permeability in a MMM with impermeable cuboid nanoparticles. The new model possesses a simple explicit form and can predict, very well, the relative permeability over an extensive range of the solid volume fraction and aspect ratio, compared with many existing models.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».