Numerical simulation study of self-driven microdroplet on locally restrictive discontinuous wetting gradient surface using front tracking method
Notice bibliographique
Résumé
The motion of droplet on surface with discontinuous wetting gradient is of great importance for understanding lab-on-a-chip systems and other microfluidic devices. Different wetting gradients are known to be the main influencing factor in the droplet self-driven process, but the effect of different wall structures on the droplet migration process also deserves further investigation. In this paper, we analyze the self-driven process of liquid droplets on a local wetting gradient surface under microgravity conditions using front tracking method. The effects of different driving stripe lengths [Formula: see text], different restrictive stripe lengths [Formula: see text], and different surface wetting gradients Δcos θ on the droplet migration process and droplet morphology are analyzed. A theoretical formula that can predict the lateral spreading length of droplets is also proposed. The results show that different driving stripe length [Formula: see text] lengths and the wetting gradient Δcos θ have significant effects on the migration velocity of droplets, while different restrictive stripe length [Formula: see text] lengths have very significant effects on the final morphological characteristics of droplets. When restrictive stripe length [Formula: see text], the hindering effect generated by the restrictive region ΙΙΙ has more and more significant effects on the morphological structure of droplets in the migration process. When the correction factor ε = 0.735 in the prediction equation, the predicted value calculated by the theoretical equation has a good degree of similarity with the numerical simulation results.
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 | 0,001 | 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 ».