Competition between electroosmotic and chemiosmotic flow in charged nanofluidics
Notice bibliographique
Résumé
In electrolyte solutions, charged nanoscale pores or channels with overlapping electrical double layers are charge selective, thereby benefiting a wide range of applications such as desalination, bio-sensing, membrane technology, and renewable energy. As an important forcing mechanism, a gradient of electrolyte concentration along a charged nano-confinement can drive flow without an external electrical field or applied pressure difference. In this paper, we numerically investigate such a diffusioosmotic nanoflow, particularly for dilute electrolyte concentrations (0.01 mM–1 mM), and calculate the corresponding electrical and concentration fields in a charged nanochannel connecting two reservoirs of different salt concentrations—a typical fluidic configuration for a variety of experimental applications. Under a wide range of parameters, the simulation results show that the flow speed inside the nanochannel is linearly dependent on the concentration difference between the two reservoir solutions, Δc, whereas the flow direction is primarily influenced by three key parameters: nanochannel length (l), height (h), and surface charge density (σ). Through a comparison of the chemiosmotic (due to ion-concentration difference) and electroosmotic (as a result of the induced electric field) components of this diffusioosmotic flow, a non-dimensional number (C=h/lλGC) has been identified to delineate different nanoscale flow directions in the charged nanochannel, where λGC is a characteristic (so-called Gouy–Chapman) length associated with surface charge and inversely proportional to σ. This critical dimensionless parameter, dependent on the above three key nanochannel parameters, can help in providing a feasible strategy for flow control in a charged nanochannel.
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) | 0,000 | 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 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 ».