MétaCan
Menu
Retour à la cohorte
Enregistrement W4390696223 · doi:10.1063/5.0180908

Point source modelling approach for sessile droplet evaporation

2024· article· en· W4390696223 sur OpenAlexaff
S.J. Malcolm, Ahmed Azzam, Alidad Amirfazli

Notice bibliographique

RevuePhysics of Fluids · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueNanomaterials and Printing Technologies
Établissements canadiensYork University
Organismes subventionnairesEuropean Space Agency
Mots-clésEvaporationMechanicsIsothermal processFlux (metallurgy)RADIUSDiffusionMaterials scienceContact angleRange (aeronautics)ThermodynamicsPhysicsComposite materialComputer science

Résumé

récupéré en direct d'OpenAlex

Evaporation of sessile droplets from unheated solid surfaces is a ubiquitous process in many practical applications. A reduced order, analytical point source model (PSM) for the axisymmetric diffusion-dominated evaporation of an isolated sessile droplet surrounded by non-saturated, quiescent air was developed. The droplet is modeled as a dynamic point mass source in the limit of an isothermal system. The model also incorporates the spatial variation in the evaporative flux across the droplet free surface. The model is capable of considering the mode of evaporation, i.e., constant contact angle or contract radius. The PSM was simulated using the finite difference method in MATLAB R2020a. The model determines the vapor concentration distribution in the surrounding environment, the instantaneous evaporative flux averaged across the droplet surface and the overall evaporation rate. Calculating the evaporation rate assuming a spatially uniform evaporative flux under-predicts the evaporation rate by up to an order of magnitude. The model results agreed with experimental data in literature and sufficiently captures the evaporation process phenomena. The versatility and accurate predictive power of the PSM allows it to be a robust and computationally inexpensive modeling tool for studying sessile droplet evaporation in a wide range of technical applications.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,024
Tête enseignante GPT0,230
Écart entre enseignants0,205 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetNanomaterials and Printing TechnologiesTravaux en français237 207