MétaCan
Menu
Retour à la cohorte
Enregistrement W2471875960 · doi:10.1063/1.4955085

Capillary-inertial colloidal catapults upon drop coalescence

2016· article· en· W2471875960 sur OpenAlexafffund
Roger L. Chavez, Fangjie Liu, James J. Feng, Chuan-Hua Chen

Notice bibliographique

RevueApplied Physics Letters · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesDivision of Materials ResearchNational Institute of General Medical SciencesNatural Sciences and Engineering Research Council of CanadaMaterials Research Science and Engineering Center, Harvard UniversityNational Institutes of HealthNational Science Foundation
Mots-clésDrop (telecommunication)Capillary actionWettingMechanicsInertial frame of referenceCoalescence (physics)Materials scienceColloidSpinning drop methodChemistryClassical mechanicsPhysicsComposite materialMechanical engineeringPressure dropEngineering

Résumé

récupéré en direct d'OpenAlex

Surface energy released upon drop coalescence is known to power the self-propelled jumping of liquid droplets on superhydrophobic solid surfaces, and the jumping droplets can additionally carry colloidal payloads toward self-cleaning. Here, we show that drop coalescence on a spherical particle leads to self-propelled launching of the particle from virtually any solid surface. The main prerequisite is an intermediate wettability of the particle, such that the momentum from the capillary-inertial drop coalescence process can be transferred to the particle. By momentum conservation, the launching velocity of the particle-drop complex is proportional to the capillary-inertial velocity based on the drop radius and to the fraction of the liquid mass in the total mass. The capillary-inertial catapult is not only an alternative mechanism for removing colloidal contaminants, but also a useful model system for studying ballistospore launching.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,009
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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)0,0000,002

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 Opus0,014
Tête enseignante GPT0,215
Écart entre enseignants0,201 · 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 tête enseignante, pas un consensus.

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

Citations23
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Physics LettersMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207