Etude de l adherence de la glace sur des solides a caractere glaciophobe
Bibliographic record
Abstract
Ce mémoire compare et étudie la performance à réduire l'adhérence de la glace de différentes substances commercialement disponibles possédant un caractère glaciophobe. Pour ce faire, l'adhérence de la glace à sept revêtements solides a été mesurée en fonction du nombre de cycles de glaçage/déglaçages. Les revêtements ont également subi un vieillissement accéléré par rayonnement UV afin de pouvoir comparer la durée de leur efficacité lors d'une application réelle. De plus, dans le but d'approfondir les connaissances sur le mécanisme d'adhérence de la glace et sur l'influence des propriétés du revêtement et de la glace sur celle-ci, la rugosité de la surface glacée, l'angle de contact de l'eau sur les revêtements et la taille des grains de glace ont été mesurés et analysés. L'adhérence de la glace a été mesurée avec un appareil spécialement conçu au Laboratoire international des matériaux anti-givre (LIMA), qui est basé sur le modèle d'une lame en flexion. La totalité des essais a été effectuée à température constante (?10 °C) avec une couche de glace de 13 mm produite à partir de gouttelettes simulant la précipitation de bruine verglaçante. D'après les résultats obtenus, le revêtement le plus efficace est une poudre compacte se dégradant en cours d'utilisation et réduisant l'adhérence de 37% par rapport à celle de l'aluminium non recouvert. En général, les revêtements diminuant l'adhérence possèdent une efficacité de courte durée et la détérioration est davantage causée par les déglaçages que par le rayonnement UV. De plus, il a été observé que l'adhérence de la glace est influencée par la rugosité du revêtement et est indépendante de l'hydrophobicité. La glace semble donc adhérer aux surfaces par un mécanisme mécanique incluant la théorie de la couche limite faible (BLW) mais il demeure impossible d'ignorer complètement le modèle d'adhérence chimique. Caroline Laforte, étudiante directeur de recherche
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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 teacher head, 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".