MétaCan
Menu
Retour à la cohorte
Enregistrement W1995981644 · doi:10.1038/srep07454

Under-water superoleophobicity of fish scales

2014· article· en· W1995981644 sur OpenAlexafffund
Prashant R. Waghmare, Naga Siva Kumar Gunda, Sushanta K. Mitra

Notice bibliographique

RevueScientific Reports · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensYork UniversityTransport CanadaUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Alberta
Mots-clésFish <Actinopterygii>Contact angleMucusLayer (electronics)Materials scienceNanotechnologyScale (ratio)Chemical engineeringFisheryBiologyEcologyComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Recent surge in the development of superhydrophobic/superoleophobic surfaces has been motivated by surfaces like fish scales that have hierarchical structures, which are believed to promote water or oil repellency. In this work, we show that the under-water oil repellency of fish scales is entirely due to the mucus layer formation as part of its defense mechanism, which produces unprecedented contact angle close to 180°. We have identified the distinct chemical signatures that are responsible for such large contact angle, thereby making fish scale behave highly superoleophobic inside the water medium. In absence of the mucus layer, it is found that the contact angle decreases quite dramatically to around 150°, making it less oleophobic, the degree of such oleophobicity can then be contributed to its inherent hierarchical structures. Hence, through this systematic study, for the first time we have conclusively shown the role of the fish's mucus layer to generate superoleophobicity and negate the common notion that hierarchical structure is the only reason for such intrinsic behavior of the fish scales.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,237
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations94
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207