MétaCan
Menu
Retour à la cohorte
Enregistrement W2581557090 · doi:10.1038/srep41448

Effect of Flow and Particle-Plastron Collision on the Longevity of Superhydrophobicity

2017· article· en· W2581557090 sur OpenAlexafffund
Babak Vajdi Hokmabad, Sina Ghaemi

Notice bibliographique

RevueScientific Reports · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDragParticle (ecology)BubbleParticle image velocimetryLaminar flowDissolutionMaterials scienceUnderwaterBoundary layerMechanicsChemical engineeringPhysicsGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Among diverse methods for drag reduction, superhydrophobicity has shown considerable promise because it can produce a shear-free boundary without energy input. However, the plastron experiences a limited lifetime due to the dissolution of trapped air from surface cavities, into the surrounding water. The underwater longevity of the plastron, as it is influenced by environmental conditions, such as fine particles suspended in the water, must be studied in order to implement superhydrophobicity in practical applications. We present a proof-of-concept study on the kinetics of air loss from a plastron subjected to a canonical laminar boundary layer at Reδ = 1400 and 1800 (based on boundary layer thickness) with and without suspending 2 micron particles with density of 4 Kg/m3. To monitor the air loss kinetics, we developed an in situ non-invasive optical technique based on total internal reflection at the air-water interface. The shear flow at the wall is characterized by high resolution particle image velocimetry technique. Our results demonstrate that the flow-induced particle-plastron collision shortens the lifetime of the plastron by ~50%. The underlying physics are discussed and a theoretical analysis is conducted to further characterize the mass transfer mechanisms.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0020,000

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 Opus0,017
Tête enseignante GPT0,265
Écart entre enseignants0,248 · 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

Citations52
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207