Topological optimization for tailored designs of advection-diffusion-reaction porous reactors based on pore scale modeling and simulation
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
Reactive transport within porous reactors is crucial to many diverse applications, and the efficacy of these reactors hinges on their microstructure. Mathematical modeling and optimization play a pivotal role in the exploration of efficient designs, enabling the generation of structures that may not be achievable through random realizations of packings. In this study, we propose a framework for high-resolution topological optimization of porous flow-through reactors based on pore-scale simulations using a non-dominated sorting genetic algorithm II. A pore network model for an advection-diffusion-reaction system is developed to simulate reactor performance. This model is integrated with a mathematical optimization algorithm, incorporating a background grid and Delaunay tessellation. The optimization framework generates enhanced porous structures, simultaneously maximizing conversion rates while minimizing pumping costs. Striking a balance between permeability and reactive surface area, the final designs yield a set of Pareto optimal solutions, encompassing diverse non-dominated designs with varying reaction rates and hydraulic requirements. The results demonstrate that optimal pore configurations lead to a 280% increase in conversion rates and a 6% reduction in pumping costs at one end, while on the opposite end of the Pareto front, a 15.2% increase in reaction rates and an 11.3% reduction in pumping costs are observed.
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 | 0,001 | 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