MétaCan
Menu
Retour à la cohorte
Enregistrement W2129518628 · doi:10.1039/c5sm00997a

Investigation of splashing phenomena during the impact of molten sub-micron gold droplets on solid surfaces

2015· article· en· W2129518628 sur OpenAlexaff
Daozhi Shen, Guisheng Zou, Lei Liu, W. W. Duley, Y. Zhou

Notice bibliographique

RevueSoft Matter · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Heat Transfer
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSolid surfaceMaterials scienceMolten metalNanotechnologyChemical physicsChemical engineeringMetallurgyChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

The dynamics of splashing accompanying the impact of molten 800 nm diameter gold droplets on silicon, gold coated silicon, gold coated glass and polished solid gold surfaces has been studied. A novel method based on laser induced forward transfer has been developed to generate single submicron molten gold droplets. Splashing morphology has been characterized using Scanning Electron Microscopy (SEM) and Focused Ion Beam (FIB) techniques. It is found that the splashing of submicron gold droplets upon impact is enhanced by high droplet impact energy achieved by reducing the droplet flight distance and that an air layer resulting in a bubble becomes trapped under the impacting droplets even when the size of the droplet is less than one micron. Our results show that, under these conditions, heat transfer between the submicron droplet and the solid substrate is more important than surface roughness and surface tension in the evolution of splashing. A theoretical model has been developed to simulate the splashing characteristics of submicron gold droplets during impact. Both the experimental data and the analytical model show that splashing is enhanced by high heat transfer rates to the surface.

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 Opus0,013
Tête enseignante GPT0,217
Écart entre enseignants0,204 · 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

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetFluid Dynamics and Heat TransferTravaux en français237 207