XiaoMi-AI文件搜索系统
World File Search SystemFluid
利用封存的二氧化碳作为地热工作流体来发电和储存能量
在本文中，我们描述了一种新型 CPGES，称为地球电池扩展 II (EBE II)，它使用大型表面储罐或气量计在接近大气压的条件下储存二氧化碳。这使得电池放电阶段最多可产生 260 MW e 的电力，而单靠 CPG 只能产生 2.5 MW e。此外，新的 CPGES 系统可以配置为生产可在接近大气压下升华的固体 CO2（干冰），提供 -78 °C 的散热器，可用于一般冷却目的，特别是用于从空气中低温捕获二氧化碳。反过来，这种二氧化碳可用于开发更多这样的 CPGES 系统。如果不需要散热器，可以通过增加（额外）级来优化涡轮机，从而增加电力输出而不会形成干冰。
血液或体液中的DNA纯化（自旋方案）
开始之前要做的事情■将样品平衡到室温（15–25°C）。■将水浴或加热块加热到56°C以供步骤4使用。■在步骤11中平衡缓冲液或蒸馏水到室温。■确保根据第16页的说明准备了缓冲液AW1，Buffer AW2和Qiagen蛋白酶。■如果在缓冲液中形成沉淀物，请在56°C下孵育。
超流体不是流体-Stanford Computer Science
低于2.17 K，称为𝝀点，氦流体失去其粘度，表现出非凡的现象，使其名称为“ Superfluid”。本研究旨在揭示这些现象的根本原因。地球上的大多数物质都是通过各种力相互吸引，将固体固定在一起或在流体中产生粘度的分子。超流体是一个例外。在超流体氦气中，分子之间没有吸引力。氦气的简单和对称的原子结构使其不受伦敦分散力以外的大多数分子力的免疫。在低温下，即使伦敦分散力的吸引力也很弱。没有任何分子间吸引，其超流体状态的氦气没有粘度。超流体不是常规的流体，而是单个颗粒的集合。由于过渡到超流体状态涉及断裂键，因此需要能量，从而降低温度并促进过渡。因此，像大多数相变的恒定温度不会在恒定温度下发生过渡。相反，𝝀点标记了过渡的末端，该末端应至少在2.6 K或更高时开始。该预测与观察到的特定热量的曲率在𝝀点附近的曲率保持一致。了解超流体中的分子间吸引力的缺乏解释了许多观察到的现象。这种缺乏吸引力还解释了为什么不能简单地通过降低超氟的温度来形成固体。但是，在高压下可以形成氦固体。这表明一种新型的键称为“压缩键”，可能是由高压下电子云的变形引起的。这种键也可能在极端压力下形成的金属氢中固定在一起，并可以解释金属分子之间的吸引力。
为流体力学学生项目制作风洞模型的替代方法
为流体力学学生项目制作风洞模型的替代方法摘要基于项目的工程教育方法使得学生希望在流体力学课程中创建功能性风洞模型来测试原始设计。本文根据成本、生产时间、易用性以及设备和材料的可及性，比较了几种快速原型 (RP) 方法与用于制造流体动力学模型的传统模具/铸造技术。考虑的 RP 技术包括立体光刻 (SLA)、选择性激光烧结 (SLS)、熔融沉积成型 (FDM)、3D 打印和 CNC 加工。这些方法从数字格式的原始设计开始，而传统方法（例如使用硅橡胶或藻酸盐模具铸造）至少需要粗略的物理原型。还讨论了 RP 模型的涂层和精加工工艺。背景和介绍 德克萨斯大学奥斯汀分校机械工程系已开展了 6 年的综合计划，旨在在整个本科课程中实施基于项目的方法 [1]。该计划的一个要素包括与流体力学入门课程同时进行的风洞测试。本科流体力学实验室有两个风洞，分别有 12"x12" 和 24"x24" 的测试部分。目前，学生仅使用风洞进行经典实验，使用现成的模型（例如横流中的圆柱体和翼型）以及进行流动可视化演示。被测试的对象形状简单，提供有限的创造性实验机会。我们希望通过为学生提供设计和测试原始空气动力学模型（例如汽车车身形状）的机会来增强这种体验。这促使人们研究快速生产原始设计风洞模型的替代方法。考虑了两种根本不同的方法：（1）从粗糙的物理原型开始成型/铸造模型和（2）从数字图像创建功能性物理模型。成型/铸造技术能够生产所有尺寸和几何公差的模型。这些方法可以利用各种不同的材料进行模具制作和铸造，包括热熔胶、乳胶、硅橡胶、聚硫橡胶、聚氨酯、藻酸盐、塑料树脂、环氧树脂、蜡、泡沫、粘土和水基石膏或混凝土。设备和该多步骤过程可能很长，并且需要一定的技能来形成可重复使用的模具和铸造模型。快速原型 (RP) 是指直接从 CAD 文件制造物理对象的过程。此类原型技术包括立体光刻 (SLA)、选择性激光烧结 (SLS)、熔融沉积成型 (FDM)、3D 打印和 CNC 加工等工艺。这些工艺中的每一个都会产生耐用、持久的模型，并且可以通过各种二次表面处理来增强其性能。
定量评估孔流体分布对复杂电导率饱和指数的影响
摘要诱导的极化方法（IP）方法具有强大的潜力，可以更好地表征我们星球的临界区域，尤其是在以多相流动为特征的区域中。散装，表面和正交电导率与孔隙水饱和度之间的功率 - 功率 - 差异可能可用于绘制地下水分含量分布。然而，已经观察到这些功率流行关系中的饱和指数n和p随着地材料的质地和孔隙流体的湿气而变化。实验室中的传统实验设置不允许独立可视化孔隙流体分布。因此，两个饱和指数的物理解释尚不清楚。我们使用粘土涂层的玻璃珠开发了一种新型的毫米 - 流体微型模型，该玻璃珠具有出色的可见性和高IP响应。通过实验室实验，我们同时确定了微型模块的复合电导率，并通过此类多孔材料获得了由排水和吸收产生的相应的孔隙尺度流体分布。基于晶粒的复杂表面电导的升级，进行了复杂电导率的有限元模拟，以确定理想的孔隙流体分布下的饱和指数。结果表明，饱和指数n和p因绝缘流体的神经节大小而变化。饱和指数n和p与饱和孔连接性的变化速率表现出功率差异关系，这是通过计算Euler特征的导数来计算的。这些发现为饱和指数与微观流体分布之间的关系提供了新的物理解释。
使用
电子邮件：paredes.g@aluno.ifsp.edu.br摘要钻探浪费的适当管理，尤其是页岩振动器的残留固体中的流体含量，仍然是石油和天然气运营中的一项关键挑战。 依靠实验室分析的传统方法引入了重大延迟，从而阻碍了实时过程优化。 本研究提出了一个基于人工神经网络（ANN）的虚拟传感器，以实时预测振动筛选残留固体中的流体含量。 在不同的操作参数下，从工业页岩振动器系统中收集了实验数据，包括运动速度，进料流量和屏幕倾斜度。 使用TensorFlow开发了多层感知器模型，该模型具有输入归一化，辍学正则化和随机梯度下降的优化训练。 ANN体系结构达到的平均绝对误差为0.03，损失为0.002，证明了强大的收敛而不拟合。 通过t检验进行的统计验证证实，预测值和实验值之间没有显着差异（测试数据的p值为0.67，整个数据集为0.85）。 模型在稳定的操作条件下的准确性可以连续监视而无需其他硬件，从而解决了行业对延迟实验室的依赖电子邮件：paredes.g@aluno.ifsp.edu.br摘要钻探浪费的适当管理，尤其是页岩振动器的残留固体中的流体含量，仍然是石油和天然气运营中的一项关键挑战。依靠实验室分析的传统方法引入了重大延迟，从而阻碍了实时过程优化。本研究提出了一个基于人工神经网络（ANN）的虚拟传感器，以实时预测振动筛选残留固体中的流体含量。在不同的操作参数下，从工业页岩振动器系统中收集了实验数据，包括运动速度，进料流量和屏幕倾斜度。使用TensorFlow开发了多层感知器模型，该模型具有输入归一化，辍学正则化和随机梯度下降的优化训练。ANN体系结构达到的平均绝对误差为0.03，损失为0.002，证明了强大的收敛而不拟合。通过t检验进行的统计验证证实，预测值和实验值之间没有显着差异（测试数据的p值为0.67，整个数据集为0.85）。模型在稳定的操作条件下的准确性可以连续监视而无需其他硬件，从而解决了行业对延迟实验室的依赖
在人羊水中发现的化学物质的混合物破坏了爪蟾
摘要：甲状腺激素（Th）对于正常的脑发育，影响神经细胞分化，迁移和突触发生至关重要。在环境中发现了多种内分泌中断化学物质（EDC），这引起了人们对它们对TH信号的潜在影响以及对神经发育和行为的影响的关注。虽然大多数对EDC的研究都研究了单个化学物质的影响，但人类健康可能会受到化学物质混合物的不利影响。EDC暴露对人类健康的潜在后果是深远的，包括免疫功能，生殖健康和神经系统发展的问题。我们假设胚胎暴露于化学物质的混合物（含有酚，邻苯二甲酸盐，农药，重金属和含氟氧化，多氯化和多溴化合物）中，如在人羊膜流体中通常发现的，可能会导致大脑发育的改变。我们评估了其对两栖动物模型（Xenopus laevis）对甲状腺破坏高度敏感的影响。将受精卵暴露于TH（甲状腺素，T 4 10 nm）或羊膜混合物（在实际浓度下），直到达到NF47期，我们在其中使用RT-QPCR和RNA测序分析了thep tadpoles的基因表达。结果表明，尽管存在Th依赖性基因的某些重叠，但T 4和混合物具有不同的基因特征。免疫组织化学显示，在T 4处理的动物的大脑中增殖增加，而羊膜混合物没有观察到差异。此外，我们证明了t端的运动能力减少，以响应T 4和混合物暴露。由于组成混合物的各个化学物质被认为是安全的，因此这些结果突出了检查混合物以改善风险评估的影响的重要性。
评估几乎没有分层的氧化石墨烯纳米复合材料，以改善高压高温井中的水性钻井液
对于解决地热井中HPHT条件引起的钻井问题的可能性，需要进行热稳定的地热钻泥系统的发展。这是由于高温对HPHT条件下泥流体的降解影响而发生的。挑战在于设计一种可以承受高压，高温（HPHT）条件的合适钻孔液。本研究旨在提供既便宜又环保的新添加。在应用于HPHT钻井环境时，添加剂有可能匹配或超过现有添加剂的性能。几层石墨烯（FLRGO）是通过根据Hummer方法制备的氧化石墨烯获得的。然后，还用两种类型的纳米颗粒装饰了还原的石墨烯表面，以通过简单的溶液混合技术获取两种不同组合物的纳米复合材料。使用氮化硼（BN）纳米颗粒制备了第一个石墨烯纳米复合材料（RGB），其比率不同，以产生三组从1到3。使用氮化钛（TIN）纳米颗粒获得了第二个（RGBT），其百分比不同，以产生六组从1捐赠至6。The prepared reduced graphene oxide along with its nitrides nanocomposites were intensively investigated using several characterization techniques including scanning electron microscope (SEM), energy dispersive X-ray spectroscopy (EDX), Fourier transfer infrared spectroscopy (FTIR), X-ray diffraction (XRD), and thermal gravimetric analysis (TGA).因此，0.2、0.6和1 wt。在高温和压力下（230°C，17000 psi）到（80°C，2000 psi），研究对纳米复合材料均研究了如何影响水基钻孔液的流变学和过滤特性。％用作泥样样品的添加剂，并相对于参考泥浆进行了评估。的结果强调，在温度和压力升高时，带有60％石墨烯的RGBT样品，参考样品塑料粘度，20％硝酸硼和20％氮化钛的含量增强了10％至59％，17％至17％至61％至61％至61％和20％至67％（0.2 wt％），（0.2 wt％），浓度（0.6 wt），（0.6 wt tostive）和（0.6 wt t t t t t t t。同样，产量点分别提高了44％至88％，49％至88％和50％至89％。两种纳米复合材料在HPHT条件下均显着降低了滤液损失。这些发现表明，发达的纳米增强钻孔液可以抵抗高级钻孔操作中遇到的严重条件，并在较高温度下具有更好的热稳定性。
神经2024 ML4CFD竞赛：用于机翼设计中计算流体动力学的机器学习
用于解决复杂物理问题的机器学习（ML）技术的整合越来越被认为是加快模拟的有前途的途径。但是，评估ML衍生的物理模型在工业环境中的采用构成了重大挑战。本竞赛旨在促进创新的ML方法来应对身体挑战，利用我们最近引入的统一评估框架，称为学习工业物理模拟（LIPS）。建立在2023年11月至2024年3月1日举行的初步版本上，该迭代以良好的物理应用为基础的任务为基础：使用我们建议的Airfrans数据集，翼型设计模拟。竞争基于各种标准评估解决方案，包括ML准确性，计算效率，分布外部性能和遵守物理原理。值得注意的是，这项竞争代表了探索ML驱动的替代方法的开创性努力，旨在优化物理模拟中计算效率和辅助性之间的权衡。托管在Codabench平台上，比赛为所有参与解决方案提供了在线培训和评估。
再现微生物和流体流
微生物种群的生长和进化通常会受到空间周期环境中流体流的对流，对海洋生态学，木板的多样性和固定时间的空间种群遗传学产生了直接的影响。我们回顾了在两种受液体流动的竞争遗传微生物菌株的简化环境中，在理解这个丰富问题的情况下取得的最新进展。我们首先回顾了对液体底物的微生物范围扩展实验，然后继续讨论拮抗作用，即两个杀手微生物菌株，每种毒素分泌的毒素会阻碍其竞争者的生长（竞争性排斥），无论是在有或没有平稳流体的情况下。揭示了遗传线张力的存在的最新实验。耦合反应扩散方程，包括由二维中由特征流动基序组成的简单稳定细胞流对流的对流，揭示了局部流动剪切和可压缩性效应如何与选择性优势相互作用，从而对空间分支群体中的遗传竞争产生巨大影响。我们分析了包括来源，水槽，涡流和鞍座在内的各种一维和2D流量的几何形状，并显示了遗传界面动力学的简单分析模型如何使用来阐明核滴的成核，共存和流动驱动的遗传下降不稳定性。