MétaCan
Menu
Retour à la cohorte
Enregistrement W2125627262 · doi:10.1017/jfm.2014.320

Numerical simulations of self-propelled jumping upon drop coalescence on non-wetting surfaces

2014· article· en· W2125627262 sur OpenAlexafffund
Fangjie Liu, Giovanni Ghigliotti, James J. Feng, Chuan-Hua Chen

Notice bibliographique

RevueJournal of Fluid Mechanics · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanada Research ChairsNational Science Foundation
Mots-clésMechanicsDrop (telecommunication)Capillary actionMaterials scienceBreakupWettingWeber numberScalingJumpingCoalescence (physics)Capillary waveJumpOpticsPhysicsReynolds numberComposite materialGeometrySurface waveTurbulence

Résumé

récupéré en direct d'OpenAlex

Abstract Coalescing drops spontaneously jump out of plane on a variety of biological and synthetic superhydrophobic surfaces, with potential applications ranging from self-cleaning materials to self-sustained condensers. To investigate the mechanism of self-propelled jumping, we report three-dimensional phase-field simulations of two identical spherical drops coalescing on a flat surface with a contact angle of 180°. The numerical simulations capture the spontaneous jumping process, which follows the capillary–inertial scaling. The out-of-plane directionality is shown to result from the counter-action of the substrate to the impingement of the liquid bridge between the coalescing drops. A viscous cutoff to the capillary–inertial velocity scaling is identified when the Ohnesorge number of the initial drops is around 0.1, but the corresponding viscous cutoff radius is too small to be tested experimentally. Compared to experiments on both superhydrophobic and Leidenfrost surfaces, our simulations accurately predict the nearly constant jumping velocity of around 0.2 when scaled by the capillary–inertial velocity. By comparing the simulated drop coalescence processes with and without the substrate, we attribute this low non-dimensional velocity to the substrate intercepting only a small fraction of the expanding liquid bridge.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,254
Écart entre enseignants0,236 · 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'étudeSimulation ou modélisation
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

Citations254
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Fluid MechanicsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207