Dynamics of surfactant-laden drops in shear flow by lattice Boltzmann method
Notice bibliographique
Résumé
We developed and applied a diffuse interface lattice Boltzmann method for simulating immiscible liquids with soluble surfactants using a modified Ginzburg–Landau free energy functional. We first validated the approach through simulations of planar interfaces and drop equilibration in quiescent fluid. The proposed method accurately captures the phase and surfactant fields with diminishing spurious velocities of 10−6. We systemically examined the effects of capillary number, comparing viscous to surface forces, the combined effect of surfactant and viscosity ratio (λ) of the drop to the continuous phase, and the bulk surfactant load on the deformation and breakage in a shear flow. At a given capillary number (0.05<Ca<0.32), drop behavior is influenced by reduced surface tension, tip-stretching, Marangoni stresses, and surface dilution. These effects either promote (by tip-stretching) or hinder (via Marangoni stresses, surface dilution) the surfactant distribution at the interface, consequently affecting the final drop morphology. As Ca increases, the competition between the viscosity ratio and the presence of surfactant determines drops' topological changes. The presence of surfactants can overcome the effect of viscosity ratio (when 0.05≤λ≤1.7) and promote drop breakup, whereas highly viscous drops (either λ<0.05 or λ>1.7) do not break. Furthermore, high surfactant loads result in higher drop deformation and earlier drop breakup. In brief, our method successfully captures the dynamics of surfactant-laden drops in shear flow, elucidating the complex interplay between flow hydrodynamics and surfactant transport with 3D quantitative phase and surfactant concentration fields.
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 | 0,001 |
| 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 ».