Innovative ice mitigation: Exploring the potential of choline-based deep eutectic solvents and ionic liquids synergies
Notice bibliographique
Résumé
• Choline-based IL harbouring hydrophobic anion in coating exhibited superior hydrogen-bond donor ability to water. • Switching from EG to GL in DESs increased hydrogen-bonding sites, boosting anti-icing properties. • Coating containing GL-based DES reduced ice formation temperature to −36 °C and adhesion strength to 10 kPa. • Solid-state NMR validated the presence of QLL, contributing to ultra-low ice adhesion. • DESs in coatings altered frost patterns, enhancing durability against frost formation. The development of anti-icing coatings for extremely low temperatures is still emerging. Deep eutectic solvents (DESs), as subset of ionic liquid (IL) analogues, have recently gained increasing attention for their unique and versatile applications. Given no investigation regarding anti-icing capabilities of DESs, our study focused on the exciting potential of choline-based DESs. The intriguing potential of hydrogen bonding through the synergistic combination of DESs and ILs offers significant promise for innovative solutions to ice-related challenges that remain largely unexplored. We conducted a comprehensive study on the anti-freezing properties of DESs by synthesizing choline-based ILs featuring both hydrophilic and hydrophobic anions. We aimed to explore how the diverse hydrogen-bond donors in DESs combined with the synthesized ILs to enhance the system’s ability to prevent ice formation. Substituting ethylene glycol (EG) with glycerol (GL) resulted in achieving an ice formation temperature of − 36 °C and an exceptionally low ice adhesion strength of 10 kPa, due to a thicker quasi-liquid layer on the coating surface, confirmed by solid-state NMR spectroscopy. The altered frost formation patterns of the DES-containing coatings demonstrated an enhance resistance against frost formation. This comprehensive study underscored the promising synergy between DESs and ILs for highly effective ice mitigation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».