Aerosol generation by ultrasonic atomization of nanoliter liquid volumes
Notice bibliographique
Résumé
Ultrasonic atomization is a promising technique for aerosol generation applications, including drug delivery and mass spectrometry. However, the challenge of consistently generating monodisperse mists with sub-10-micron droplets limits its broader adoption. Ultrasonic atomization of liquid volumes (30 nL–20 μL) placed on a piezoelectric transducer (PZT) is studied. The atomization process is categorized based on the size of a sessile droplet, placed on the PZT, where the droplet size is R¯0=R0/λa, normalized by the acoustic wavelength λa=c0/f, where c0 is the sound speed in the liquid and f is the excitation frequency. Previous studies have identified two regimes: R¯0>1, characterized by jetting and large droplet ejection, and R¯0<1, where bimodal or trimodal size distributions are observed. In contrast to the multimodal size distributions reported in previous works, this study introduces a new regime at R¯0=0.4, where atomization produces a monomodal fine mist with droplet sizes below 10 μm. Upon acoustic excitation, the geometry of the liquid adjusts, and the base diameter of the droplet aligns with the acoustic wavelength (Da≈λa). This behavior depends only on acoustic excitation frequency and the sound speed in the liquid, and is independent of surface type, surface velocity, or coating. At this critical regime, large surface waves disappear, the size distribution becomes time-independent, and the atomization process generates a narrow-band micrometer-sized mist. The critical liquid volume for fine mist production is determined solely by the acoustic wavelength and is given by πλa3/12.
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 | 0,000 |
| 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 ».