Sintering Rate of Nickel Nanoparticles by Molecular Dynamics
Notice bibliographique
Résumé
Nickel nanoparticles (Ni NPs) are widely used in batteries, catalysts, and filters. Properties of Ni NPs strongly depend on their crystal structure and morphology quantified by the state (i.e., solid, transient, or liquid phase) of primary particles (PPs), hard agglomerate (aggregate), and PP size. The growth rate of PPs during gas-phase synthesis is determined by their characteristic sintering time (τ s ) that is sensitive to temperature, the state, and size of PPs. Here, the crystallinity and sintering of Ni NP dimers (2 nm ≤ d p ≤ 5 nm) between 1000 and 1600 K are investigated by molecular dynamics (MD) simulations using the embedded-atom method (EAM) force field. It is shown that at low temperatures ( T ≤ 1400 K) and for large PPs ( d p ≥ 4 nm), diffusion of atoms in PPs controls solid-state sintering. However, PP crystallinity quantified by the disorder variable indicates that with increasing temperature or decreasing PP size, atoms become increasingly mobile and disordered starting from the surface of the PPs until the Ni NPs become fully melted and viscous flow sintering becomes dominant. A general formula for the τ s of Ni NPs is proposed that is valid for all particle states, and its performance is benchmarked by predicting the evolution of the morphology of Ni agglomerate quantified by its mobility and PP diameters during gas-phase sintering in a flow reactor.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».