MétaCan
Menu
Retour à la cohorte
Enregistrement W2980921808 · doi:10.1002/adem.201900806

Thermoregeneration of Plastrons on Superhydrophobic Coatings for Sustained Antifouling Properties

2019· article· en· W2980921808 sur OpenAlexaff
Tomer Simovich, Axel Rosenhahn, Robert N. Lamb

Notice bibliographique

RevueAdvanced Engineering Materials · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensCanadian Light Source (Canada)
Organismes subventionnairesOffice of Naval Research
Mots-clésBiofoulingMaterials scienceSolvationSolubilityVolume (thermodynamics)CoatingNanotechnologyUnderwaterSurface energyChemical engineeringDragLayer (electronics)Composite materialChemistryMechanicsThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

A popular and desirable function of superhydrophobic coatings is their remarkable ability to retain an entrapped layer of air, called a plastron, when submerged underwater. The drawback is that the air layer is short‐lived due to solvation into the surrounding liquid. While manipulating the solubility of gases using temperature is a possible approach, it generally requires inefficiently heating large volumes of water. Following the demonstrated ability to maintain air bubbles on superhydrophobic surfaces for drag reduction, this article introduces a novel method of extracting gas from water to replenish and stabilize the plastron on superhydrophobic surfaces for sustained antifouling abilities. This method involves locally heating the liquid surrounding a superhydrophobic coating, reducing gas solubility, and causing the gas to nucleate at the liquid–air interface. The approach requires a relatively low energy input, due to the small volume of locally heated water. With a constant supply of equilibrated water and minimal energy input, the plastron can survive indefinitely without the need for a mechanical delivery of air. The thermoregenerating superhydrophobic samples were shown to exhibit excellent antifouling behavior and inhibited diatom attachment over a period of 5 days.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,209
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), 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

Citations32
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Engineering MaterialsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207