MétaCan
Menu
Retour à la cohorte
Enregistrement W2952194161 · doi:10.48550/arxiv.1412.5269

Design of a robust superhydrophobic surface: thermodynamic and kinetic analysis

2014· preprint· en· W2952194161 sur OpenAlexaff
Anjishnu Sarkar, Anne‐Marie Kietzig

Notice bibliographique

RevuearXiv (Cornell University) · 2014
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésRobustness (evolution)WettingKinetic energyMechanicsMaterials scienceComputer scienceMechanical engineeringClassical mechanicsEngineeringPhysicsChemistryComposite material

Résumé

récupéré en direct d'OpenAlex

The design of a robust superhydrophobic surface is a widely pursued topic.While many investigations are limited to applications with high impact velocities (for raindrops of the order of a few m/s), the essence of robustness is yet to be analyzed for applications involving quasi-static liquid transfer.To achieve robustness with high impact velocities, the surface parameters (geometrical details, chemistry) have to be selected from a narrow range of permissible values, which often entail additional manufacturing costs.From the dual perspectives of thermodynamics and mechanics, we analyze the significance of robustness for quasi-static drop impact, and present the range of permissible surface characteristics.For surfaces with a Youngs contact angle greater than 90° and square micropillar geometry, we show that robustness can be enforced when an intermediate wetting state (sagged state) impedes transition to a wetted state (Wenzel state).From the standpoint of mechanics, we use available scientific data to prove that a surface with any topology must withstand a pressure of 117 Pa to be robust.Finally, permissible values of surface characteristics are determined, which ensure robustness with thermodynamics (formation of sagged state) and mechanics (withstanding 117 Pa).

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,255
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,069
Tête enseignante GPT0,187
Écart entre enseignants0,118 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetSurface Modification and SuperhydrophobicityTravaux en français237 207