Bursting at the surface: Fine droplet generation from an exploding water drop in hot oil
Notice bibliographique
Résumé
The explosion of a water drop near the surface of hot cooking oil may eject fine droplets into the air. Although such a process is often observed in activity in the kitchen, the formation process of these fine droplets has not been investigated extensively [Kiyama et al., “Morphology of bubble dynamics and sound in heated oil,” Phys. Fluids 34, 062107 (2022)]. In this study, we use a high-speed camera to visualize this phenomenon, showing that the size of these droplets are of the order of 10 μm. The droplet formation process is divided into two sequential stages. The first stage, which is associated with the explosion of a submerged water drop and following rupture of the air-oil interface, largely governs the formation of fine droplets. The magnitude of the fine droplets formation seems to be related through the dimensionless relative distance from the bubble formed on the drop to the oil surface. The formation of the small droplets is driven by the Rayleigh–Taylor instability, which is similar to the fragmentation of a droplet by a laser pulse [Klein et al., “Drop fragmentation by laser-pulse impact,” J. Fluid Mech. 893, A7 (2020)]. The second stage is associated with the splash dynamics. Liquid ligaments dispatch relatively larger droplets at later times. We also recorded sounds in the surrounding air, in which the impulsive sounds are related to rupturing of a bag, which is formed due to a sudden extension of exploded drop. The subsequent splash dynamicsalso have unique acoustic signals at a higher acoustic frequency than that of the enclosed cavity after the surface sealing. These characteristics suggests the acoustics may be useful for a better understanding of this complex fluid phenomenon including fine droplets sizes and cavity closure.
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 ».