MétaCan
Menu
Retour à la cohorte
Enregistrement W4284961088 · doi:10.1039/d2nr02712g

Dynamic viscosity of methane hydrate systems from non-Einsteinian, plasma-functionalized carbon nanotube nanofluids

2022· article· en· W4284961088 sur OpenAlexafffund
Adam McElligott, André Guerra, Chong Du, Alejandro D. Rey, Jean‐Luc Meunier, Phillip Servio

Notice bibliographique

RevueNanoscale · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésNanofluidCarbon nanotubeMethaneViscosityHydrateMaterials scienceChemical engineeringPlasmaNanotechnologyNanotubeChemistryOrganic chemistryNanoparticleComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

The viscosity of oxygen-functionalized multi-walled carbon nanotube (O-MWCNT) nanofluids was measured for concentrations from 0.1 to 10 ppm under conditions of 0 to 30 MPag pressures and 0 to 10 °C temperatures. The presence of O-MWCNTs did not affect the temperature dependence of viscosity but did reduce the effective viscosity of solution due to cumulative hydrogen bond-disrupting surface effects, which overcame internal drag forces. O-MWCNTs added a weak pressure dependence to the viscosity of solution because of their ability to align more with the flow direction as pressure increased. In the liquid to hydrate phase transition, the times to reach the maximum viscosity were faster in O-MWCNT systems compared to the pure water baseline. However, the presence of O-MWCNTs limited the conditions at which hydrates formed as increased nanoparticle collisions in those systems inhibited the formation of critical clusters of hydrate nuclei. The times to viscosity values most relevant to technological applications were minimally 28.02% (200 mPa s) and 21.08% (500 mPa s) slower than the baseline, both in the 1 ppm system, even though all systems were faster to the final viscosity. This was attributed to O-MWCNT entanglement, which resulted in a hydrate slurry occurring at lower viscosity values.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,007
Tête enseignante GPT0,206
Écart entre enseignants0,199 · 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.

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

Citations11
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetMethane Hydrates and Related PhenomenaTravaux en français237 207