MétaCan
Menu
Retour à la cohorte
Enregistrement W4386541211 · doi:10.1103/physrevlett.131.104003

Nanoscale Transport during Liquid Film Thinning Inhibits Bubble Coalescing Behavior in Electrolyte Solutions

2023· article· en· W4386541211 sur OpenAlexafffund
Bo Liu, Rogério Manica, Qingxia Liu, Zhenghe Xu, Evert Klaseboer, Qiang Yang

Notice bibliographique

RevuePhysical Review Letters · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCentre National de la Recherche ScientifiqueEast China University of Science and TechnologyFudan UniversityNational Natural Science Foundation of ChinaXi'an University of Science and TechnologyUniversity of South Australia
Mots-clésElectrolyteBubbleCoalescence (physics)Materials scienceChemical physicsIonSurface tensionChemical engineeringMass transferNanotechnologyMechanicsElectrodeThermodynamicsChemistryChromatographyPhysical chemistryPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The long-standing puzzle of why two colliding bubbles in an electrolyte solution do not coalesce immediately upon contact is resolved. The water film between the bubbles needs to be drained out first before its rupture, i.e., coalescence. Experiments reveal clearly that the film thinning exhibits a rather sudden slowdown (around 30-50 nm), which is orders of magnitude smaller than similar experiments involving surfactants. A critical step in explaining this phenomenon is to realize that the solute concentration is different in bulk and at the surface. During thinning, this will generate an electrolyte concentration difference in film solution along the interacting region, which in turn causes a Marangoni stress to resist film thinning. We develop a film drainage model that explains the experimentally observed phenomena well. The underlying physical mechanism, that confused the scientific community for decades, is now finally revealed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,602

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,237
Écart entre enseignants0,222 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations35
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review LettersMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207