MétaCan
Menu
Retour à la cohorte
Enregistrement W4291214704 · doi:10.1002/cjce.24604

A unified interaction model for multiphase flows with the lattice Boltzmann method

2022· article· en· W4291214704 sur OpenAlexvenueno aff
Ramon G. C. Lourenço, Pedro H. Constantino, Frederico W. Tavares

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueLattice Boltzmann Simulation Studies
Établissements canadiensnon disponible
Organismes subventionnairesFundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do Rio de JaneiroPetrobrasConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésSpurious relationshipLattice Boltzmann methodsPseudopotentialSpinodal decompositionStatistical physicsConsistency (knowledge bases)Lattice (music)PhysicsIsothermal processStability (learning theory)ThermodynamicsMechanicsPhase (matter)MathematicsComputer scienceCondensed matter physicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Abstract The lattice Boltzmann method (LBM) has been increasingly adopted for modelling multiphase fluid simulations in engineering problems. Although relatively easy to implement, the ubiquitous Shan–Chen pseudopotential model suffers from limitations such as thermodynamic consistency and the formation of spurious currents. In the literature, the Zhang–Chen, Kupershtokh et al., the β ‐scheme, and the Yang–He alternative models seek to mitigate these effects. Here, through analytical manipulations, we call attention to a unified model from which these multiphase interaction forces can be recovered. Isothermal phase‐transition simulations of single‐component in stationary and oscillating droplet conditions, as well as spinodal decomposition calculations, validate the model numerically and reinforce that the multiphase forces are essentially equivalent. Parameters are selected based on the vapour densities at low temperatures in the Maxwell coexistence curve, where there is a narrow range of optimal values. We find that expressing the model parameters as functions of the reduced temperature further enhances the thermodynamic consistency without losing stability or increasing spurious velocities.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,615
Score d'incertitude au seuil0,352

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 recherche0,0000,001
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 Opus0,024
Tête enseignante GPT0,253
Écart entre enseignants0,229 · 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'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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetLattice Boltzmann Simulation StudiesTravaux en français237 207