MétaCan
Menu
Retour à la cohorte
Enregistrement W2891519240 · doi:10.1103/physreve.98.032602

Pressure-driven filling of liquid metal in closed-end microchannels

2018· article· en· W2891519240 sur OpenAlexfundno aff
Alfonso M. Gañán‐Calvo, Wei Guo, Heng-Dong Xi, Adrian J. T. Teo, Nam‐Trung Nguyen, Say Hwa Tan

Notice bibliographique

RevuePhysical review. E · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Thin Films
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Research CouncilHigher Education Discipline Innovation ProjectSimon Fraser UniversityMinisterio de Economía y CompetitividadNational Natural Science Foundation of ChinaPeking UniversityGriffith UniversityAustralian National Fabrication Facility
Mots-clésMicrochannelLiquid metalPolydimethylsiloxaneMaterials scienceMechanicsMicrofluidicsFlow (mathematics)Work (physics)Pressure dropNanotechnologyThermodynamicsComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

We observe unsteady flow behavior of liquid metal during a pressure-driven injection process into a closed-ended polydimethylsiloxane microchannel. Constant pressure is applied at the inlet to allow eutectic gallium-indium (EGaIn) to completely fill the porous microchannels. In contrast to open channels [M. D. Dickey et al., Adv. Funct. Mater. 18, 1097 (2008)], the flow exhibits a complex unsteady behavior with sudden random length jumps and time stops. However, with appropriate formulation of a suitable mathematical model with the system using (i) the permeability of polydimethylsiloxane to air, (ii) previous descriptions of the nature of the EGaIn surface oxide layer, and (iii) a key probabilistic approach, we show that the average quantities defining the quantumlike flow can be accurately predicted. The proposed probabilistic formulation provides for the first time a description of the dynamics of the surface oxide layer, the breaking and healing characteristic times when EGaIn is driven in a microchannel. Importantly, this work provides a better understanding of complex flow behavior and lays the foundation for future work.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,826
Score d'incertitude au seuil0,471

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,267
Écart entre enseignants0,257 · 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical review. EMême sujetFluid Dynamics and Thin FilmsTravaux en français237 207