Influence of Microstructure Topography on the Oblique Impact Dynamics of Drops on Superhydrophobic Surfaces
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This report investigates the influence of microstructure topography on the restitution coefficient, maximum spreading diameter, and contact time of oblique drop impacts on superhydrophobic surfaces. The five surfaces tested allow for comparison of open- versus closed-cell structures, feature size and spacing, and hierarchical versus nanoscale-only surface structures. By decoupling the restitution coefficient into a normal (εn) and tangential component (εt), it is demonstrated that both εn and εt are largely independent of the microstructure topography. Instead, the restitution coefficient is governed almost exclusively by the normal Weber number. Next, a new model is presented that relates the maximum spreading diameter to an adhesion coefficient that characterizes the overall adhesive properties of the superhydrophobic microstructure during drop rebounding. Through this analysis, we discovered that surface geometries with greater microstructure roughness (i.e., overall surface area) promote a higher maximum spreading diameter than flatter geometries. Furthermore, the contact time of drop impacts on flat surfaces is positively correlated with the impact velocity due to penetration of the liquid into the porous nanostructure. However, this trend reverses for oblique impacts due to the presence of stretched rebounding behavior. Finally, substrates patterned with sparse pillar microstructures can exhibit pancake bouncing behavior, resulting in extremely low contact times. This unique bouncing mechanism also significantly influences the restitution coefficient and spreading diameter of oblique impacts.
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.
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) | 0,001 | 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 découle