MétaCan
Menu
Retour à la cohorte
Enregistrement W4312192932 · doi:10.1038/s42005-022-01114-8

Droplet lift-off from hydrophobic surfaces from impact with soft-hydrogel spheres

2022· article· en· W4312192932 sur OpenAlexfundno aff
Rafsan Rabbi, Akihito Kiyama, John S. Allen, Tadd Truscott

Notice bibliographique

RevueCommunications Physics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Heat Transfer
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Naval ResearchUniversity of WaterlooWeber State University
Mots-clésMechanicsLift (data mining)Materials scienceSPHERESDissipationSurface tensionPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract Droplet impacts on superhydrophobic surfaces may result in complete bouncing, with the absence of contact hysteresis and viscous dissipation leading the droplet to fully rebound off the surface. This rebound usually happens in the retraction phase, when the droplet retracts back after reaching a maximum spread diameter. Here, we present experimental evidence of a bouncing phenomenon where a sessile droplet on a hydrophobic surface bounces off the surface in its spreading phase when a soft deformable hydrogel sphere axisymmetrically impacts the droplet. We term this as ‘Lift-Off’ and propose a simple force balance based on the deformation characteristics of the hydrogel sphere to explain the out-of-plane jump of the droplet during spreading. We observe three different impact regimes, and propose their dependency on a modified elastic ‘Mach’ number ( M a * ) with M a * ≈ 0.1 corresponding to the onset of lift-off. We also report on the unique acoustic signatures of lift-off cases, associated with the capture of air-bubbles through the air-borne retracting droplet rim. These results may have potential applications for drainage and surface cleaning, non-stick surface coating, industrial mixing and plant disease spreading.

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 enseignants0,002
Score d'incertitude au seuil0,007

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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,226
Écart entre enseignants0,212 · 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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications PhysicsMême sujetFluid Dynamics and Heat TransferTravaux en français237 207