Notice bibliographique
Résumé
Drop\nimpact on a heated surface not only displays intriguing flow\nmotion but also plays a crucial role in various applications and processes.\nWe examine the impact dynamics of a water drop on both heated flat\nand nanostructured surfaces, with a wide range of impact velocity\n(<i>V</i>) and surface temperature (<i>T</i><sub>s</sub>) values. Via high-speed imaging and temperature measurements,\nwe construct phase diagrams of different impact outcomes on these\nheated surfaces. Like those on the heated flat surface, water drops\ncan deposit, spread, rebound, or break-up with atomizing on the heated\nnanostructures as <i>V</i> and <i>T</i><sub>s</sub> are increased. We find a significant influence of nanostructures\non the impact dynamics by generating particular events in specific\nparameter ranges. For example, events of splashing, gentle central\njetting, and violent central jetting are observed on and thus triggered\nby the heated nanostructures. The heated nanotextures with high roughness\ncan easily trigger the splashing and the central jetting. Our data\nof the normalized maximum spreading diameter for the heated surfaces\ndisplay distinct trends at low and high Weber number (<i>We</i>) ranges, where <i>We</i> compares the kinetic to surface\nenergy of the impacting droplet. Finally, compared with the flat surface,\nthe dynamic Leidenfrost temperature (<i>T</i><sub>L</sub><sup>D</sup>) for <i>We</i> ≈ 10 is decreased (by ≈60 °C) by the high-roughness\nnanotextures. In addition, our experimental data of <i>T</i><sub>L</sub><sup>D</sup> is consistent\nwith a model prediction proposed by balancing the droplet dynamic\nand vapor pressure.
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) | 0,204 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».