Exploiting intermediate wetting on superhydrophobic surfaces for efficient icing prevention
Notice bibliographique
Résumé
HYPOTHESIS: Superhydrophobic surfaces can effectively prevent the freezing of supercooled droplets in technological systems. Droplets on superhydrophobic surfaces commonly not only wet the top asperities (Cassie State), but also partially penetrate into microstructure due to surface properties, environment, and droplet impact occurring in real-world applications. Implications on ice nucleation can be expected and are little explored. It remains elusive how anti-icing surfaces can be designed to exploit intermediate wetting phenomena. EXPERIMENTS: We utilized engineered micro-/nanostructures, specifically micropillars, to modulate the wetting fraction in the microstructure. The behavior of intermediate wetting with supercooling and resulting implications on ice nucleation delay when potential nucleation sites are formed in the microcavities were investigated using experimental, theoretical, and simulation components. FINDINGS: The temperature-dependent wetting fraction in the microstructure increased at supercooled temperatures, partly activated by condensation in the microcavities. At -10/-20 °C, a critical wetting fraction led to maximum ice nucleation delays, with experimental results consistent with theoretical predictions. This critical wetting fraction minimized the effective contact area solid-to-liquid along the partially wetted microstructure. The study establishes physical relations between ice nucleation delays, geometrical surface parameters and wettability properties in the intermediate wetting regime, providing guidance for the design of ice resistant microstructured surfaces.
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 | 0,003 | 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 | 0,001 | 0,001 |
| 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 ».