Monte Carlo Simulations for the Estimation of the Effective Permeability of Mixed-Matrix Membranes
Notice bibliographique
Résumé
Recent years have seen the explosive development of mixed-matrix membranes (MMMs) for a myriad of applications. In gas separation, it is desired to concurrently enhance the permeability, selectivity and physicochemical properties of the membrane. To help achieving these objectives, experimental characterization and predictive models can be used synergistically. In this investigation, a Monte Carlo (MC) algorithm is proposed to rapidly and accurately estimate the relative permeability of ideal MMMs over a wide range of conditions. The difference in diffusivity coefficients between the polymer matrix and the filler particle is used to adjust the random progression of the migrating species inside each phase. The solubility coefficients of both phases at the polymer−filler interface are used to control the migration of molecules from one phase to the other in a way to achieve progressively phase equilibrium at the interface. Results for various MMMs were compared with the results obtained with the finite difference method under identical conditions, where the results from the finite difference method are used in this investigation as the benchmark method to test the accuracy of the Monte Carlo algorithm. Results were found to be very accurate (in general, <1% error) over a wide range of polymer and filler characteristics. The MC algorithm is simple and swift to implement and provides an accurate estimation of the relative permeability of ideal MMMs. The MC method can easily be extended to investigate more readily non-ideal MMMs with particle agglomeration, interfacial void, polymer-chain rigidification and/or pore blockage, and MMMs with any filler geometry.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».