Gas Permeation Model of Mixed-Matrix Membranes with Embedded Impermeable Cuboid Nanoparticles
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
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.
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