A Monodisperse Population Balance Model for Nanoparticle Agglomeration in the Transition Regime
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nanoparticle agglomeration in the transition regime (e.g. at high pressures or low temperatures) is commonly simulated by population balance models for volume-equivalent spheres or agglomerates with a constant fractal-like structure. However, neglecting the fractal-like morphology of agglomerates or their evolving structure during coagulation results in an underestimation or overestimation of the mean mobility diameter, dm, by up to 93 or 49%, repectively. Here, a monodisperse population balance model (MPBM) is interfaced with robust relations derived by mesoscale discrete element modeling (DEM) that account for the realistic agglomerate structure and size distribution during coagulation in the transition regime. For example, the DEM-derived collision frequency, β, for polydisperse agglomerates is 82 ± 35% larger than that of monodisperse ones and in excellent agreement with measurements of flame-made TiO2 nanoparticles. Therefore, the number density, NAg, mean, dm, and volume-equivalent diameter, dv, estimated here by coupling the MPBM with this β and power laws for the evolving agglomerate morphology are on par with those obtained by DEM during the coagulation of monodisperse and polydisperse primary particles at pressures between 1 and 5 bar. Most importantly, the MPBM-derived NAg, dm, and dv are in excellent agreement with the data for soot coagulation during low temperature sampling. As a result, the computationally affordable MPBM derived here accounting for the realistic nanoparticle agglomerate structure can be readily interfaced with computational fluid dynamics in order to accurately simulate nanoparticle agglomeration at high pressures or low temperatures that are present in engines or during sampling and atmospheric aging.
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.
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 découle