Nanobubble nucleation dynamics in reacting microdroplets: Insights from confocal laser scanning microscopy and molecular dynamics simulations
Notice bibliographique
Résumé
Highlights • Nanobubble nucleation in reactive droplets requires surpassing a constant critical gas concentration. • Gas production rate dictates induction times and shifts nucleation sites from interior to interface. • Phase-specific gas solubility modulates nucleation by either elevating thresholds or depleting gas. • Lower water–gas interfacial tension accelerates nucleation and redistributes bubble formation. Gas-evolving interfacial reactions in microdroplets underpin processes in catalysis, energy conversion, and microreactor technologies, yet the principles of nanobubble nucleation remain unclear. Here, we integrate confocal laser scanning microscopy with coarse-grained molecular dynamics simulations to elucidate hydrogen nanobubble formation during base-catalyzed reactions of liquid organic hydrogen carrier (LOHC) droplets with aqueous NaOH. We reveal a competition-controlled nucleation mechanism governed by gas production rate, asymmetric solubility in droplet and surrounding phases, and water–gas interfacial tension. Nucleation occurs only when local gas concentrations exceed a critical threshold that is largely independent of production rate but strongly influenced by gas solubility in two phases. High production rates shorten induction times and shift nucleation toward the LOHC–water boundary, whereas increased solubility in LOHC or water suppresses nucleation, raising the critical threshold or extracting gas from the droplet. Reduced interfacial tension lowers the nucleation barrier, accelerates onset, and favors interfacial nucleation. These findings establish principles for controlling gas evolution in reactive emulsions, offering design guidelines for interfacial microreactors and nanobubble-enabled catalytic systems.
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 | 0,001 |
| 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 ».