Effet de revêtements glaciophobes bioinspirés sur la formation du givre sur une plaque froide
Bibliographic record
Abstract
Dans le domaine du transport routier, l’utilisation de systèmes basés sur des plaques eutectiques constitue une alternative écologique pour maintenir les camions réfrigérés à une température négative (allant jusqu’à -29⁰C) dans la remorque sans avoir recours à un système conventionnel relié au moteur et donc consommant des carburants fossiles. Cependant, pour des climats relativement chauds et humides (comme l’été au Québec), le principal inconvénient réside dans la formation de givre sur les plaques. Ce givre est causé par des ouvertures multiples des portes de la remorque lors de livraisons fréquentes. Cela permet l’entrée de l’air chaud et humide en été, induit de la condensation puis la formation de givre sur les plaques. Ce givre bloque ensuite les transferts de chaleur entre les plaques et l’air intérieur et sans l’intervention du chauffeur, il est difficile à enlever. Dans un premier temps, des mesures sur la formation du givre ont été effectuées au-dessus d’une plaque plane refroidie, et ce pour différentes conditions environnementales. Elles ont permis la validation d’un modèle numérique 1D. Dans un second temps et en collaboration avec l’UQAC, différents revêtements glaciophobes bio-inspirés (superhydrophobe, lubrifiant organique et auto-lubrifiant aqueux) ont été ajoutés à la plaque et leur influence sur le développement de la couche de givre a été quantifiée par des visualisations.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".