Diffusion effective: du microscopique au nanoscopique

Documents pareils
Modélisation couplée des processus de surface et souterrains pour prédire la distribution spatiale de l'évapotranspiration.

Photons, expériences de pensée et chat de Schrödinger: une promenade quantique

De l effet Kondo dans les nanostructures à l électronique de spin quantique. Pascal SIMON

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Dynamique des protéines, simulation moléculaire et physique statistique

Plan du chapitre «Milieux diélectriques»

Ordonnancement robuste et décision dans l'incertain

chargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d

De la sphère de Poincaré aux bits quantiques :! le contrôle de la polarisation de la lumière!

Plate forme de modélisation en vue de la prédiction de la durée de vie des bétons vis-à-vis de la pénétration d agents agressifs

Microscopies Électroniques

COMPTE-RENDU «MATHS EN JEANS» LYCEE OZENNE Groupe 1 : Comment faire une carte juste de la Terre?

TP N 57. Déploiement et renouvellement d une constellation de satellites

MIS 102 Initiation à l Informatique


Différents types de matériaux magnétiques

Qu est-ce qu un ordinateur quantique et à quoi pourrait-il servir?

Formations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS

Chapitre 11 Bilans thermiques

K. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre Palaiseau

Modélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay

Programmation par contraintes. Laurent Beaudou

1.2 Coordinence. Notion de liaison de coordinence : Cas de NH 3. et NH 4+ , 3 liaisons covalentes + 1 liaison de coordinence.

MATHS FINANCIERES. Projet OMEGA

Dunod, Paris, 2014 ISBN

Modélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005

Modélisation de la demande de transport

THEME 2. LE SPORT CHAP 1. MESURER LA MATIERE: LA MOLE

Master IMA - UMPC Paris 6 RDMM - Année Fiche de TP

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

Premier principe de la thermodynamique - conservation de l énergie

Joints de grains : couplage entre modélisation et microscopie électronique haute résolution

Probabilités III Introduction à l évaluation d options

Applications en imagerie cérébrale (MEG/EEG)

Surveillance biologique d'un traitement par Héparine de Bas Poids Moléculaire (HBPM)

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Lois de probabilité. Anita Burgun

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

Objectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique

Caractérisations des nanomatériaux par microscopies électroniques

Physique Chimie. Utiliser les langages scientifiques à l écrit et à l oral pour interpréter les formules chimiques

Problèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris Mars 2003

Le modèle de Black et Scholes

CarrotAge, un logiciel pour la fouille de données agricoles

La physique quantique couvre plus de 60 ordres de grandeur!

PHYSIQUE-CHIMIE. Partie I - Propriétés de l atome

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

Couplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites

Cryptologie et physique quantique : Espoirs et menaces. Objectifs 2. distribué sous licence creative common détails sur

IMMUNOLOGIE. La spécificité des immunoglobulines et des récepteurs T. Informations scientifiques

IMAGERIE PAR TOMOGRAPHIE ÉLECTRIQUE RÉSISTIVE DE LA DISTRIBUTION DES PHASES DANS UNE COLONNE À BULLES

Les machines de traitement automatique de l information

Simulation du transport de polluant dans les nappes par un modèle à faible diffusion numérique

Contrôle stochastique d allocation de ressources dans le «cloud computing»

Calcul intégral élémentaire en plusieurs variables

BTS BAT 1 Notions élémentaires de chimie 1

Principes généraux de la modélisation de la dispersion atmosphérique

Formation à la C F D Computational Fluid Dynamics. Formation à la CFD, Ph Parnaudeau

Compression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette

Décomposition de Föllmer-Schweizer. explicite d un passif d assurance vie. au moyen du calcul de Malliavin

Modélisation multi-agents - Agents réactifs

L éco-responsabilité appliquée à l informatique

Simulation des processus moléculaires à la surface de la glace.

Arrêt sur image. La simulation numérique au programme de l industrie

PROPORTIONNALITÉ LES ÉCHELLES. Dossier n 2 Juin Conçu et réalisé par : Marie-Christine LIEFOOGHE Bruno VANBAELINGHEM Annie VANDERSTRAELE

Les solutions. Chapitre 2 - Modèle. 1 Définitions sur les solutions. 2 Concentration massique d une solution. 3 Dilution d une solution

Modélisation du comportement habituel de la personne en smarthome

Cours de méthodes de scoring

L apprentissage automatique

Introduction à la Programmation par Contraintes (PPC) Ruslan Sadykov LIX, École Polytechnique

Cycle de vie, processus de gestion

Hétérogénéité pour atteindre une consommation énergétique proportionnelle dans les clouds

Projet de Traitement du Signal Segmentation d images SAR

TD1 Signaux, énergie et puissance, signaux aléatoires

Modélisation et optimisation des systèmes hospitaliers au CHU de Clermont-Ferrand

ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE

Equation LIDAR : exp 2 Equation RADAR :

T. Gasc 1,2,3, F. De Vuyst 1, R. Motte 3, M. Peybernes 4, R. Poncet 5

Introduction aux algorithmes répartis

protexial io Prop os ez vo tre exp e r ti s e da ns la s é c uri té de l ha b i ta t.

:SPECIMEN SPECIMEN SUPPLÉMENT AU DIPLÔME (ANNEXE DESCRIPTIVE AU DIPLÔME)

Probabilités sur un univers fini

SYLLABUS SEMESTRE 9 Année

Bureau : 238 Tel : dominique.muller@upmf-grenoble.fr

neocampus : campus du futur 27 février 2015

Exclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011

Séparation de Phase dans les Alliages Al-Zr-Sc: du Saut des Atomes à la Croissance

Efficacité énergétique des réseaux de cœur et d accès

Prélèvement/préparation p des échantillons et analyse des reliquats d azote

Projet Optiperf : les ressources du calcul parallèle à destination des architectes navals

Mario Geiger octobre 08 ÉVAPORATION SOUS VIDE

Arbre de probabilité(afrique) Univers - Evénement

Ordonnancement sous contraintes de Qualité de Service dans les Clouds

de calibration Master 2: Calibration de modèles: présentation et simulation d

Exercice 1. Exercice n 1 : Déséquilibre mécanique

Bases de données réparties: Fragmentation et allocation

Résonance Magnétique Nucléaire : RMN

LES NOUVEAUX ANTICOAGULANTS

Transcription:

27/01/2005 effective: du microscopique au nanoscopique Institut de Mécanique des Fluides de Toulouse 1

27/01/2005 Introduction Introduction Changement d échelle au sens de la MMC Corrections dans le cas submicroscopique Approches mésoscopiques Dynamique Moléculaire Conclusion (Exemples tirés du pb. de diffusion) 2

de Cyclohexane (Aksnes( et al., 1998) 27/01/2005 3

27/01/2005 Changement d Echelle UNIT CELL L η ω << r << l << R << L 0 H 0 l 2 l 1 physique à une échelle donnée (ex. Échelle du pore) description à une échelle supérieure? Grandeurs macroscopiques? Méthodes? 4

Changement d Echelle: : méthodes Heuristique TPI 27/01/2005 Prop. Effectives? mesure, interprétation de simulations directes Homogénéisation, prise de moyenne, («fermeture») Approche stochastique («fermeture»). 5

Hypothèse: échelle du pore mécanique des milieux continus Libre parcours moyen: λ = π RT 2 2 dmol A N P 27/01/2005 Nombre de Knudsen: K n = λ d pore Kn<<1 mécanique des milieux continus Kn>>1 effet Klinkerberg, Knudsen,... dmol λ = Exemple: O = 3.64 10 λ = 10-7 0.69 10 m m 8.3145 300 ( ) 10 2 23 + 5 2 π 3.64 10 6.02 10 10 III Intro. 6

Changement d Echelle: : approche milieu continu Ech. Pore Ech. Locale 27/01/2005 ϑ(ψ)=0 ϑ*( Ψ )=0 Ψ=g(x) Ψ =g*(x) Objectif: obtenir les équations macroscopiques, les propriétés effectives, et les conditions aux limites macroscopiques 7

Changement d Echelle: «algorithme», prise de moyenne spatiale ψ = ψ + ~ ψ 27/01/2005 Équations couplées ( ψ ) ϑ ψ, = 0 équations à l'échelle du pore ϑ( ψ, ψ ) = 0 équations moyennées solution approchée, si << r 0 << L solution approchée, si << r 0 << L ψ = f ( ψ ) (fermeture) propriétés effectives ( f ) ϑ ψ, ( ψ ) = 0 équations macroscopiques 8

27/01/2005 Autres méthodes: Homogénéisation x ψ 0 = limψ ε 0 ε x/ε ψ = ψ + εψ1 +... 0 REFERENCES: Bensoussan et al. (1978), Sanchez-Palencia (1980),... 9

Autres Méthodes: Approche Stochastique 27/01/2005 milieu réel, ergodicité < ψ (r) ψ (r+r')> ψ = E( ψ )... N... REFERENCES: Matheron (1965), Dagan (1989),... 10

Structure générale d une équation de transport macroscopique échelle du pore ρ ω t ( ρωv ) ( ρd ω ) r +. =. ( ( ) ) réaction homogène réaction hétérogène 27/01/2005 B.C. 1 n. ρω v w ρd ω = f( ω) sur A σ σ σ échelle macroscopique avec ρω +. ρωv =. ( ρd ω ) r K t 1 K.( ( ) D ) σ = σ ρω σ ρ ω da V n v w A σ σ 11

Concentration Exemple: diffusion, convection 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 t =10 s 0 0.2 0.4 0.6 0.8 1 x direct simul. averaged behavior c = c + c A A A Concentration Concentration 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0. t =10 s 0 0.2 0.4 0.6 0.8 1 x t =10 s c c A déviation 27/01/2005 = b. c +.. A A 0 0.2 0.4 0.6 0.8 1 x 12

27/01/2005 (cont.) Problème à l échelle du pore (cas du traceur) c t.( D c ) = Déviation: c = c + c CL..1 n. D c = 0 sur A σ σ Equation moyenne ε c D =. ε D c + σc da t V n A σ tortuosité 13

27/01/2005 (cont.) Fermeture c = b. c +... Problème local (cellule périodique représentative) 0= C.L.1 n. b = n sur A 2 σ σ σ ( ) = ( + ) b b r b r l b = 0 i Equation macroscopique ε c t ( ) * ε D c =.. Tenseur de diffusion effective D I n b σ * 1 = D + σ V A da 14

27/01/2005 (cont.) εd/d 1.2 1 0.8 0.6 0.4 Kim et al. Currie Hoogschagen SC BCC FCC Maxwell Weissberg Wakao and Smith Ryan (2D) 0.2 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Porosity 15

27/01/2005 Correction dans le cas Kn>1 J Dusty Gas Model (Mason et Malinauskas, 1983), heuristique ( D D ) DAS AS BS DA = D 1 + + x n + x J DA DAB DAB DA nb0 xa D AS xa p+ p avec DAK µ kt DAB A A A A A Knudsen en volume de surface Effets visqueux 1 1 1 = + D D D A AK AB Paramètres ajustables! 16

27/01/2005 Correction dans le cas Kn>1 Altevogt et al., 2003: condition de glissement (cas binaire) v t = v = σ slip D AB t ω σ A ω + α A fermeture, équ. macro., 17

27/01/2005 Modèles mésoscopiques: mésoscopiques: exemple adsorption près d une paroi O Équations c A t N + ( ca vo ) convection accumulation de Smoluchowski = (Do c A ) diffusion + (Do kt Φ A ) c A, in the γ -phase interaction force B.C. D γ c Aγ η = k1c Aγ k 1 c As voir Wood et al., 2004 18

Approche discrète: Dynamique moléculaire Voir par ex.: Allen, M. P., and D. J. Tildesley. 1987. Computer Simulation of Liquids. Clarendon Press, Oxford. Principe: mouvements élémentaires, interactions 27/01/2005 En pratique: simplifications Périodicité Dynamique plus simple (parois, molécules-atomes, ) Géométrie (milieu poreux, parois rugueuses, ) Algorithmes Problème: interprétation (équations, propriétés effectives) 19

Exemple: diffusion, sorption, désorption 27/01/2005 Assemblages aléatoire de sphères, porosité: 0.42 Kainourgiakis et al., 2002 20

27/01/2005 Exemple: effet de rugosité Malek et Coppens, 2001 21

27/01/2005 Conclusions Modélisation: de l approche milieux continus à la DM Limitations? Interprétation Perspectives: multiconstituant, couplage thermique, 22