MétaCan
Menu
Retour à la cohorte
Enregistrement W4410022253 · doi:10.1088/1361-665x/add3df

Active superhydrophobic surfaces with switchable wettability: a review

2025· review· en· W4410022253 sur OpenAlexfundno aff
Kayah St. Germain, Yu-Chen Sun, Hani E. Naguib

Notice bibliographique

RevueSmart Materials and Structures · 2025
Typereview
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWettingMaterials scienceContact angleNanotechnologyComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Surfaces science is a complex subject that is exceedingly important to understand, with mastering surface wettability leading to a new realm of applications with wide reaching impacts. Research into superhydrophobic surface is of increasing interest because of the unique abilities that these surfaces possess such as high contact angle (CA), low or high CA hysteresis (CAH), and air layer retention, among others. Furthermore, the ability to modify surfaces to control their behaviour could lead to the creation of novel devices and expand opportunities. This review paper explores the intersection between superhydrophobic surfaces and smart materials that enables the development of active superhydrophobic surfaces with switchable wettability. Active superhydrophobic surfaces have shown to be particularly well suited for use across many industries, including environmental, biomedical, and microfluidic, where their diverse range of abilities and fabrication options can be taken advantage of to provide innovative solutions to complex problems. Additionally, we explore natural occurrences of superhydrophobic surfaces, fundamental principles, fabrication techniques, and current advancements, along with their real-world applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,022
Tête enseignante GPT0,290
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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'admission1
Résumé présentoui

Explorer davantage

Même revueSmart Materials and StructuresMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207