MétaCan
Menu
Retour à la cohorte
Enregistrement W3139356118 · doi:10.1063/5.0041193

Controlling structure of materials derived from spinodally decomposing liquids

2021· article· en· W3139356118 sur OpenAlexafffund
R. Arabjamaloei, Rajas Sudhir Shah, Steven L. Bryant, Milana Trifkovic

Notice bibliographique

RevuePhysics of Fluids · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueLattice Boltzmann Simulation Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta Innovates - Technology Futures
Mots-clésLattice Boltzmann methodsParticle (ecology)WettingChemical physicsEmulsionPhysicsMaterials scienceComposite materialChemical engineeringMechanics

Résumé

récupéré en direct d'OpenAlex

Arresting morphological evolution of spinodally decomposing heterogeneous mixtures via the addition of colloidal particles has resulted in the discovery of new classes of bicontinuous materials, viz., bicontinuous interfacially jammed emulsion gels (bijels) and most recently bicontinuous intraphase jammed emulsion gels (bipjels). Here, we demonstrate how the extent of particle wettability and particle–particle interactions govern the ultimate structure formed. We present the multi-phase lattice Boltzmann method (LBM) integrated with a discrete particle model with two particle–particle collision models, the classic hard-sphere model and a new bonding collision model, to predict the final state of spinodally decomposing fluid mixtures containing solid particles. We show that the elastic collision model yields either the formation of emulsions or bijels, while only the bonding collision model on particles with preferential wettability for one phase can predict bipjels formation. In the case of bipjels, a delicate balance between the dynamics of evolving interface and the strength of particle–particle aggregates is required to restrict the interfacial motion. These results are consistent with experimental findings, suggesting that the presence of smaller particles with high particle–particle interactions can yield the formation of bipjels and consequent isolation of hierarchically porous materials.

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)0,000
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 enseignants0,060
Score d'incertitude au seuil0,609

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,244
Écart entre enseignants0,231 · 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

Citations6
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetLattice Boltzmann Simulation StudiesTravaux en français237 207