MétaCan
Menu
Retour à la cohorte
Enregistrement W2802790161 · doi:10.1039/c8sm00705e

Growth dynamics of surface nanodroplets during solvent exchange at varying flow rates

2018· article· en· W2802790161 sur OpenAlexafffund
Brendan Dyett, Akihito Kiyama, Maaike Rump, Yoshiyuki Tagawa, Detlef Lohse, Xuehua Zhang

Notice bibliographique

RevueSoft Matter · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensAlberta Hospital EdmontonUniversity of Alberta
Organismes subventionnairesAustralian Research CouncilNederlandse Organisatie voor Wetenschappelijk OnderzoekMinisterie van Onderwijs, Cultuur en WetenschapRMIT UniversityMax-Planck-GesellschaftUniversity of Alberta
Mots-clésDynamics (music)Flow (mathematics)SolventSurface (topology)Chemical physicsChemistryMechanicsPhysicsMathematicsOrganic chemistryGeometry

Résumé

récupéré en direct d'OpenAlex

Solvent exchange is a simple solution-based process to produce surface nanodroplets over a large area. The final size of the droplets is determined by both the flow and solution conditions for a given substrate. In this work, we investigate the growth dynamics of surface nanodroplets during solvent exchange by using total internal reflection fluorescence microscopy (TIRF). The results show that during the solvent exchange, the formation of surface nanodroplets advanced on the surface in the direction of the flow. The time for the number density and surface coverage of the droplets to reach their respective plateau values is determined by the flow rate. From the observed evolution of the droplet volume and of the size of individual growing droplets, we are able to determine that the growth time of the droplets scales with the Peclet number Pe with a power law ∝Pe-1/2. This is consistent with Taylor-Aris dispersion, shedding light on the diffusive growth dynamics during the solvent exchange. Further, the spatial rearrangement of the droplets during coalescence demonstrates a preference in position shift based on size inequality, namely, the coalesced droplet resides closer to the larger of the two parent droplets. These findings provide a valuable insight toward controlling droplet size and spatial distribution.

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 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 enseignants0,113
Score d'incertitude au seuil0,744

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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,218
Écart entre enseignants0,210 · 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.

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

Citations36
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207