Negative Intrinsic Viscosity in Graphene Nanoparticle Suspensions Induced by Hydrodynamic Slip
Notice bibliographique
Résumé
The viscosity of nanoparticle suspensions is always expected to increase with particle concentration. However, a growing body of experiments on suspensions of atomically thin nanomaterials such as graphene contradicts this expectation. Some experiments indicate effective suspension viscosities below that of pure solvent at high shear rates and low solid concentrations, i.e., the intrinsic viscosity is negative. Using molecular dynamics simulations, we investigate the shear viscosity of few-nanometer graphene sheets in water at high Péclet numbers (Pe ≥ 100), for aspect ratios from 4.5 to 12.0. These simulations robustly confirm that the intrinsic viscosity decreases with increasing aspect ratio and becomes negative beyond a threshold ≈5.5, providing a molecular-level confirmation of this behavior in a realistic graphene-water system. Comparison with continuum boundary integral modeling shows quantitative agreement in the dilute regime, confirming the effect is hydrodynamic in origin. We demonstrate that this anomalous behavior originates from hydrodynamic slip at the liquid-solid interface, which suppresses particle rotation and promotes stable alignment with the flow direction, thereby reducing viscous dissipation relative to dissipation in pure solvent. This slip mechanism holds for both fully 3D disc-like and quasi-2D particle geometries explored in the molecular simulations. As the concentration of graphene particles increases in the dilute regime, the viscosity initially decreases, falling below that of pure water. At higher concentrations, however, particle aggregation becomes significant, leading to a rise in viscosity after a minimum is reached. Our work has important implications for the design of lubricants, inks, and nanocomposites with tunable viscosity.
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 | 0,001 |
| 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 ».