Giant and explosive plasmonic bubbles by delayed nucleation
Notice bibliographique
Résumé
When illuminated by a laser, nano particles immersed in water can very quickly and strongly heat up, leading to the nucleation of so called vapor bubbles, which have huge application potential in e.g. solar light-harvesting, catalysis, and for medical applications.Whilst the long-time behavior of such bubbles has been well-studied, here, by employing ultra-high-speed imaging, we reveal the nucleation and early life phase of these bubbles. After some delay time after beginning of the illumination, a giant bubble explosively grows, up to a maximal radius of 80 um, and collapses again within 200 us (bubble life phase 1). The maximal bubble volume remarkably increases with decreasing laser power P. To explain this behavior, we measure the delay time from the beginning of the illumination up to nucleation,which drastically increases with decreasing laser power, leading to less total dumped energy . This dumped energy E shows a universal linear scaling relation. This finding supports that the initial giant bubble is a pure vapor bubble. In contrast, the delay time does depend on the gas concentration of the water, as gas pockets in the water facilitate an earlier vapor bubble nucleation, which leads to smaller delay times and lower bubble nucleation temperatures. After the collapse of the initial giant bubbles, first much smaller oscillating bubbles form out of the remaining gas nuclei (bubble life phase 2, up to typically 10 ms). Subsequently the known vaporization dominated growth phase takes over and the bubble stabilizes (life phase 3). In the final life phase 4 the bubble slowly grows by gas expelling due to heating of the surrounding. Our findings on the explosive growth and collapse during the early life phase of a vapor bubble have strong bearings on possible applications of such bubbles, affecting their risk assessment.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».