MétaCan
Menu
Retour à la cohorte
Enregistrement W3129308085 · doi:10.3390/membranes11020154

A Unified, One Fluid Model for the Drag of Fluid and Solid Dispersals by Permeate Flux towards a Membrane Surface

2021· article· en· W3129308085 sur OpenAlexaff
Amgad Salama, Shuyu Sun, Tao Zhang

Notice bibliographique

RevueMembranes · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésDragInterface (matter)Computer scienceMechanicsMathematical optimizationMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

The drag of dispersals towards a membrane surface is a consequence of the filtration process. It also represents the first step towards the development of the problem of fouling. In order to combat membrane fouling, it is important to understand such drag mechanisms and provide a modeling framework. In this work, a new modeling and numerical approach is introduced that is based on a one-domain model in which both the dispersals and the surrounding fluid are dealt with as a fluid with heterogeneous property fields. Furthermore, because of the fact that the geometry of the object assumes axial symmetry and the configuration remains fixed, the location of the interface may be calculated using geometrical relationships. This alleviates the need to define an indicator function and solve a hyperbolic equation to update the configuration. Furthermore, this approach simplifies the calculations and significantly reduces the computational burden required otherwise if one incorporates a hyperbolic equation to track the interface. To simplify the calculations, we consider the motion of an extended cylindrical object. This allows a reduction in the dimensions of the problem to two, thereby reducing the computational burden without a loss of generality. Furthermore, for this particular case there exists an approximate analytical solution that accounts for the effects of the confining boundaries that usually exist in real systems. We use such a setup to provide the benchmarking of the different averaging techniques for the calculations of properties at the cell faces and center, particularly in the cells involving the interface.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,219
Score d'incertitude au seuil0,691

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,269
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMembranesMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207