Exploring heat transfer in freezing supercooled water droplet through high-speed infrared thermography
Notice bibliographique
Résumé
This study explores the intricate heat transfer dynamics and thermographic patterns during the phase change from supercooled liquid water to ice. Using high-resolution, high-speed infrared thermography, real-time temperature data were captured during the freezing process. The resulting temperature profiles reveal critical insights into the freezing dynamics, particularly highlighting the rapid phenomena of recalescence in supercooled conditions. Notably, this study represents the first time recalescence, a rapid and previously elusive phenomenon, captured and documented in the scientific literature. Additionally, a mathematical model is developed to describe the recalescence phase on macro scale. These findings have practical relevance for various industries, aiding in the design of more efficient anti−/de-icing technologies, refrigeration systems, weather prediction models, and cryopreservation techniques. The study also opens new avenues for further exploration in understanding phase transitions in supercooled water. • The study presents the first-time high-speed infrared thermography capture of recalescence , a rapid and previously elusive phenomenon occurring during the freezing of supercooled water droplets. • The high-speed infrared thermography data provides crucial insights into the heat transfer mechanisms with a specific focus on the latent heat release and temperature profiles. • A mathematical model based on a sigmoid function is introduced to describe the temperature evolution during the recalescence phase, offering a macro-scale explanation of the process. • The findings have significant implications for improving anti−/de-icing technologies, refrigeration systems, weather prediction models, and cryopreservation techniques , making the results highly relevant for various industries.
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 | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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 ».