Viscosity of Magmatic liquids: a model.
Notice bibliographique
Résumé
The viscosity of silicate melts controls magma transport dynamics, eruption style and rates of physicochemical processes (e.g., degassing, crystallization) in natural magmas. Thus a comprehensive viscosity model for magmatic liquids has long been a goal of earth scientists. Here we present a model that predicts the non-Arrhenian Newtonian viscosity of silicate melts as a function of T and melt composition, including the rheologically important volatile constituents H2O and F. Ourmodel is based on >1770 measurements of viscosity on multicomponent anhydrous and volatile-rich silicate melts. The non-Arrhenian T-dependence of viscosity is accounted for by the VFT equation [log ?=A+B/(T(K)-C)]. The optimization assumes a common, high-T limit (A) for silicatemelt viscosity and returns a value for this limit of -4.55 (+0.2) (e.g., log ?~10-4.6 Pa s). All compositional dependence is ascribed to the parameters B and C and is accounted for by an additional 17model coefficients. Our model is continuous in composition- and temperature-space and predicts the viscosity of natural volatile-bearing silicate melts (SiO2, Al2O3, TiO2, FeOtot, CaO, MgO,MnO, Na2O, K2O, P2O5, H2O, F2O-1) over fifteen log units of viscosity (10-1–1014 Pa s). The model for viscosity can also predict other transport properties including glasstransition temperatures (Tg) and melt fragility (m). We show strong systematic decreases in Tg and m with increasing volatile content. This pattern has implications for predicting styles of volcanic eruption and understanding silicate melt structure. Our model transforms a quarter-century of experimental study of melt viscosities, into a parameterisation having a predictive capacity thatmakes it relevant to diverse fields of research including: volcanology, geophysics, petrology and material sciences.
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) | 0,003 | 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 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 ».