MétaCan
Menu
Retour à la cohorte
Enregistrement W2951065040 · doi:10.1039/c7sm02490h

Coalescence driven self-organization of growing nanodroplets around a microcap

2018· article· en· W2951065040 sur OpenAlexaff

Notice bibliographique

RevueSoft Matter · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueNanomaterials and Printing Technologies
Établissements canadiensAlberta Hospital EdmontonUniversity of Alberta
Organismes subventionnairesAustralian Research CouncilNederlandse Organisatie voor Wetenschappelijk OnderzoekMinisterie van Onderwijs, Cultuur en WetenschapRMIT University
Mots-clésCoalescence (physics)NucleationScalingMillisecondTime evolutionWork (physics)

Résumé

récupéré en direct d'OpenAlex

The coalescence between growing droplets is important for the surface coverage and spatial arrangements of droplets on surfaces. In this work, total internal reflection fluorescence (TIRF) microscopy is utilized to in situ investigate the formation of nanodroplets around the rim of a polymer microcap, with sub-micron spatial and millisecond temporal resolution. We observe that the coalescence among droplets occurs frequently during their growth by solvent exchange. Our experimental results show that the position of the droplet from two merged droplets is related to the size of the parent droplets. The position of the coalesced droplet and the ratio of parent droplet sizes obey a scaling law, reflecting a coalescence preference based on the size inequality. As a result of droplet coalescence, the angles between the centroids of two neighbouring droplets increase with time, obeying a nearly symmetrical arrangement of droplets at various time intervals. The evolution of the position and number from coalescence of growing droplets is modelled. The mechanism for coalescence driven self-organization of growing droplets is general, applicable to microcaps of different sizes and droplets of different liquids. The understanding from this work may be valuable for positioning nanodroplets by nucleation and growth without using templates.

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 enseignants0,026
Score d'incertitude au seuil0,458

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 Opus0,004
Tête enseignante GPT0,183
Écart entre enseignants0,179 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetNanomaterials and Printing TechnologiesTravaux en français237 207