MétaCan
Menu
Retour à la cohorte
Enregistrement W3179391264 · doi:10.3390/en14144149

Hydrate Phase Transition Kinetic Modeling for Nature and Industry–Where Are We and Where Do We Go?

2021· article· en· W3179391264 sur OpenAlexaff
Bjørn Kvamme, Matthew A. Clarke

Notice bibliographique

RevueEnergies · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésHydrateNucleationClathrate hydrateThermodynamicsMethaneNatural gasKinetic energyChemistryPhase transitionPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Hydrate problems in industry have historically motivated modeling of hydrates and hydrate phase transition dynamics, and much knowledge has been gained during the last fifty years of research. The interest in natural gas hydrate as energy source is increasing rapidly. Parallel to this, there is also a high focus on fluxes of methane from the oceans. A limited portion of the fluxes of methane comes directly from natural gas hydrates but a much larger portion of the fluxes involves hydrate mounds as a dynamic seal that slows down leakage fluxes. In this work we review some of the historical trends in kinetic modeling of hydrate formation and discussion. We also discuss a possible future development over to classical thermodynamics and residual thermodynamics as a platform for all phases, including water phases. This opens up for consistent thermodynamics in which Gibbs free energy for all phases are comparable in terms of stability, and also consistent calculation of enthalpies and entropies. Examples are used to demonstrate various stability limits and how various routes to hydrate formation lead to different hydrates. A reworked Classical Nucleation Theory (CNT) is utilized to illustrate that nucleation of hydrate is, as expected from physics, a nano-scale process in time and space. Induction times, or time for onset of massive growth, on the other hand, are frequently delayed by hydrate film transport barriers that slow down contact between gas and liquid water. It is actually demonstrated that the reworked CNT model is able to predict experimental induction times.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,013
Tête enseignante GPT0,245
Écart entre enseignants0,232 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetMethane Hydrates and Related PhenomenaTravaux en français237 207