Sustained and Enhanced Nucleate Boiling Using Hierarchical Architectures at Large Superheats
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Droplet boiling is a common occurrence in many industrial processes, but it can be hindered by the Leidenfrost effect. The Leidenfrost point (LP), defined as the temperature at which an accumulated and stagnant vapor forms between the liquid and the heated solid, consequently deteriorates cooling performance. In this study, inspired by nature, we demonstrate how using a nano-micro hierarchical triple-passage architecture with a higher aspect ratio enhances both vapor and liquid spreading dynamics, boosts heat transfer, and thus elevates the LP. Our results show that the LP is promoted to 273°C, which is a delay of approximately 130°C compared to the LP of 145°C on a copper surface. Through theoretical analysis, we develop a multi-force competition model to reveal the underlying physics of this sustained nucleate boiling. Our findings challenge traditional wisdom, indicating that lower impact velocities of a droplet, though sacrificing the convection, delay the LP through impact pattern manipulation. Additionally, we adopt a physics-informed deep neural network framework to accurately model the nonlinear behavior of droplet boiling (from nucleate boiling to LP) on various surfaces within an ≈11% error. The results here have potential applications in designing more efficient droplet-based boiling heat transfer devices and in controlling droplet boiling at high temperatures.
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.
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 découle