Relationship between Diffusion Coefficients in Nonideal Binary Lennard-Jones Mixtures and Entropy

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The simulation of nonideal Lennard-Jones mixtures is carried out by the method of molecular dynamics. The values of pressure, internal energy, chemical potential, and diffusion coefficients are determined depending on the composition and density. The nonideal behavior of the mixtures is specified by the parameters in the mixing rules for the intermolecular interaction potential. Four options for the values of such parameters are considered. The thermodynamic consistency of the calculated thermodynamic properties is verified using the Gibbs–Duhem expression. The value of excess entropy is calculated, and its connection with the Einstein diffusion coefficients is shown. A parameter is determined in the regression equation that relates the excess entropy to the Einstein diffusion coefficients. Its value is 0.8, which is close to the values in similar expressions for other substances.

作者简介

I. Anashkin

FSBEI HPE Kazan National Research Technological University

Email: anashkin.ivan@kstu.ru
Tatarstan, Russia

S. Dyakonov

FSBEI HPE Kazan National Research Technological University

Email: anashkin.ivan@kstu.ru
Tatarstan, Russia

A. Klinov

FSBEI HPE Kazan National Research Technological University

编辑信件的主要联系方式.
Email: anashkin.ivan@kstu.ru
Tatarstan, Russia

参考

  1. Taylor R., Krishna R. Multicomponent mass transfer. New York: Wiley, 1993. 579 p.
  2. The Stokes-Einstein law for diffusion in solution // Proc. R. Soc. Lond. Ser. Contain. Pap. Math. Phys. Character. 1924. V. 106. № 740. P. 724–749.
  3. Shabarova L.V. et al. Modeling Thermal Gas Dynamic Processes of the Production of Silicon from Its Halides // Theor. Found. Chem. Eng. 2020. V. 54. № 4. P. 631–640.
  4. Rosenfeld Y. Relation between the transport coefficients and the internal entropy of simple systems // Phys. Rev. A. 1977. V. 15. № 6. P. 2545–2549.
  5. Dyre J.C. Perspective: Excess-entropy scaling // J. Chem. Phys. 2018. V. 149. № 21. P. 210901.
  6. Dehlouz A. et al. Entropy Scaling-Based Correlation for Estimating the Self-Diffusion Coefficients of Pure Fluids // Ind. Eng. Chem. Res. 2022. V. 61. № 37. P. 14033–14050.
  7. Novak L. Self-Diffusion Coefficient and Viscosity in Fluids // Int. J. Chem. React. Eng. 2011. V. 9. № 1.
  8. Novak L.T. Fluid Viscosity-Residual Entropy Correlation // Int. J. Chem. React. Eng. 2011. V. 9. № 1.
  9. Bell I.H. Entropy Scaling of Viscosity– I: A Case Study of Propane // J. Chem. Eng. Data. 2020. V. 65. № 6. P. 3203–3215.
  10. Bell I.H. Entropy Scaling of Viscosity– II: Predictive Scheme for Normal Alkanes // J. Chem. Eng. Data. 2020. V. 65. № 11. P. 5606–5616.
  11. Nikitiuk B.I. et al. Pair entropy and universal viscosity scaling for molecular systems via molecular dynamics simulations // J. Mol. Liq. 2022. V. 368. P. 120714.
  12. Yang X. et al. Entropy Scaling of Viscosity– III: Application to Refrigerants and Their Mixtures // J. Chem. Eng. Data. 2021. V. 66. № 3. P. 1385–1398.
  13. Bell I.H. et al. Modified Entropy Scaling of the Transport Properties of the Lennard–Jones Fluid // J. Phys. Chem. B. 2019. V. 123. № 29. P. 6345–6363.
  14. Bell I.H. et al. Modified Entropy Scaling of the Transport Properties of the Lennard–Jones Fluid // J. Phys. Chem. B. 2019. V. 123. № 29. P. 6345–6363.
  15. Viet T.Q.Q. et al. Mass effect on viscosity of mixtures in entropy scaling framework: Application to Lennard–Jones mixtures // Fluid Phase Equilibria. 2022. V. 558. P. 113459.
  16. Yokoyama I. A relationship between excess entropy and diffusion coefficient for liquid metals near the melting point // Phys. B Condens. Matter. 1998. V. 254. № 3–4. P. 172–177.
  17. Anashkin I., Dyakonov S., Dyakonov G. Relationship between the Transport Coefficients of Polar Substances and Entropy // Entropy. 2019. V. 22. № 1. P. 13.
  18. Bell I.H., Dyre J.C., Ingebrigtsen T.S. Excess-entropy scaling in supercooled binary mixtures // Nat. Commun. 2020. V. 11. № 1. P. 4300.
  19. Abraham M.J. et al. GROMACS: High performance molecular simulations through multi-level parallelism from laptops to supercomputers // SoftwareX. 2015. V. 1–2. P. 19–25.
  20. Van Der Spoel D. et al. GROMACS: Fast, flexible, and free // J. Comput. Chem. 2005. V. 26. № 16. P. 1701–1718.
  21. Pronk S. et al. GROMACS 4.5: a high-throughput and highly parallel open source molecular simulation toolkit // Bioinformatics. 2013. V. 29. № 7. P. 845–854.
  22. McQuarrie D.A. Statistical mechanics. Sausalito, Calif: University Science Books, 2000. 641 p.
  23. Widom B. Some Topics in the Theory of Fluids // J. Chem. Phys. 1963. V. 39. № 11. P. 2808–2812.
  24. articles [Online]. URL: https://github.com/KSTU/articles/tree/master/entropy-diffusion-mixture.
  25. Johnson J.K., Zollweg J.A., Gubbins K.E. The Lennard-Jones equation of state revisited // Mol. Phys. 1993. V. 78. № 3. P. 591–618.
  26. Demirel Y. Calculation of Excess Entropy for Binary Liquid Mixtures by the NRTL and UNIQUAC Models // Ind. Eng. Chem. Res. 1994. V. 33. № 11. P. 2875–2878.

补充文件

附件文件
动作
1. JATS XML
2.

下载 (223KB)
3.

下载 (223KB)
4.

下载 (180KB)
5.

下载 (309KB)

版权所有 © И.П. Анашкин, С.Г. Дьяконов, А.В. Клинов, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».