MétaCan
Menu
Retour à la cohorte
Enregistrement W2890390661 · doi:10.1039/c8ra06626d

Numerical analysis of anisotropic wetting of chemically striped surfaces

2018· article· en· W2890390661 sur OpenAlexafffund
Liang He, Xin Sui, Wenyan Liang, Zhenqing Wang, Abdolhamid Akbarzadeh

Notice bibliographique

RevueRSC Advances · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensMcGill University
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaMcGill University
Mots-clésWettingAnisotropyMaterials scienceChemical engineeringChemical physicsChemistryComposite materialPhysicsOpticsEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper, the measurement process of advancing and receding contact angles (CA) in experiments is simulated using Surface Evolver (SE). The normalized energy of the droplet is calculated by fixing the three-phase contact line that lies at the boundary between stripes and by changing the droplet volume. The most stable wetting state is determined for each stripe configuration. The slip-jump behavior of the three-phase contact line is observed. Furthermore, a small wet stripe width and large dry stripe width is found to be favorable for achieving large stable equilibrium CA. Moreover, the minimum advancing CA and maximum receding CA can be obtained by assigning a value of zero to the normalized energy barrier. The variation of minimum advancing CA and maximum receding CA with wet and dry stripe widths follows the same trend as the stable equilibrium CA. Combined with the existing model in the literature, the approach introduced in this paper can be used to narrow down the predicted range of dynamic CAs and also to provide guidance for designing anisotropic surfaces.

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 enseignants0,007
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0040,000

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 GPT0,283
Écart entre enseignants0,266 · 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

Citations12
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRSC AdvancesMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207