Effects of Hydrophobic and Hydrophilic Graphene Nanoflakes on Methane Dissolution Rates in Water under Vapor–Liquid–Hydrate Equilibrium Conditions
Notice bibliographique
Résumé
Several industries have steadily gained interest in gas hydrate technologies for their potential use in natural gas transport and storage applications. Additives which optimize the efficiencies of these technologies, particularly nanoparticles, have lately been subject to an increasing investigative focus. Graphene nanoflakes (GNFs) have previously been proven to enhance hydrate systems, particularly methane hydrate systems. In this study, the dissolution rates of methane and molar saturation values were measured in nanofluids containing both hydrophobic (as-produced) and hydrophilic (plasma-functionalized) GNFs at 2 °C and 3146 kPa. For both types of GNFs, the effect of loading in the aqueous phase was equally determined. Dissolution rate enhancement was limited at low concentrations of around 0.5 ppm for hydrophobic GNFs due to small-scale agglomeration while significantly increasing dissolution kinetics by about 18.84% at concentrations of 5 ppm. The performance eventually decreased at higher concentrations (10 ppm) due to large-scale agglomeration. Hydrophilic GNFs, which exhibited no agglomeration, enhanced dissolution rates further with each successive loading until a 44.45% plateau at 10 ppm. This plateau may have been a limit of the system or a result of mean free path limitations. Either type of GNFs nearly triples the dissolution rates of methane investigated in previous studies on multi-walled carbon nanotubes due to their higher specific surface area.
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 | 0,001 |
| 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) | 0,001 | 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 ».