MétaCan
Menu
Retour à la cohorte
Enregistrement W4409902441 · doi:10.1002/admi.202500160

Experimental Study of Gas Microbubbles on Oil‐Infused Wrinkled Surfaces

2025· article· en· W4409902441 sur OpenAlexafffund
Leo C. James, Christopher Vega‐Sánchez, Priya Mehta, Xuehua Zhang, Chiara Neto

Notice bibliographique

RevueAdvanced Materials Interfaces · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAustralian Research CouncilNSW Defence Innovation NetworkNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésMicrobubblesMaterials scienceComposite materialFossil fuelChemical engineeringNanotechnologyPetroleum engineeringWaste managementAcousticsUltrasound

Résumé

récupéré en direct d'OpenAlex

Abstract Lubricant‐infused surfaces (LIS) have been shown to reduce hydrodynamic drag to a greater extent than theoretically expected, making them attractive candidates for microfluidic applications. The presence of nano‐ and micro‐bubbles has been found to explain this property, but this observation is not widely acknowledged. This work investigated how the volume and distribution of lubricant in wrinkled Teflon LIS affects bubble durability. The lubricant is depleted from LIS by repeated immersion through an air–water interface, as well as by shearing, gravity drainage and spreading. The bubbles are imaged using confocal fluorescence microscopy at different levels of infused lubricant. The lubricant encasing the bubbles on LIS prevented bubbles from shrinking over several hours, compared to uninfused superhydrophobic Teflon wrinkles, in which bubbles more rapidly shrunk in height, typically within 30 min. The size of bubbles is independent of lubricant volume, likely due to lubricant redistribution underwater. These findings point toward the possibility of a short‐term stabilization of bubbles on structured surfaces for drag reduction applications through the use of lubricant.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,295
Écart entre enseignants0,278 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials InterfacesMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207