Factors Influencing the Formation, Adhesion, and Friction of Ice
Notice bibliographique
Résumé
Humans have faced the challenges and opportunities afforded by ice accumulation throughout our collective history. From the icing over of hunting plains to the accretion of ice on aeroplanes, the challenge of frozen water has shaped us as a species. In many ways, overcoming the challenge of surface ice accumulation is inextricably linked to human modernity. We have reached a point in engineering history where some of the most important unanswered questions cannot be fully resolved without the management and prevention of surface ice. These engineering challenges include: the complete implementation of renewable energy sources such as photovoltaic panels, wind turbines, and the requisite electrical transmission lines, the ushering in of the age of environmentally-friendly air travel, including the elimination of de-icing fluids, and the introduction of fully autonomous vehicles which will require sensors that are perpetually free of surface ice and roadways that are reliably ice free. This chapter begins with a brief history of ice on Earth, followed by an overview of how humans have faced ice accumulation in the past and how advances in technology during the first two Industrial Revolutions have facilitated our understanding of ice formation. Next, we discuss the ice formation process in terms of embryo nucleation. This is followed by a discussion of the factors influencing ice adhesion, specifically the important relationship between surface morphology and ice adhesion strength. Finally, the origins of ice's low friction is discussed in the last section.
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 ».