Droplet Spreading on Nanowall-Textured Hydrophobic Surfaces: A Nonlinear Reduced-Order Model

技術要約：ナノウォールテクスチャを有する疎水性表面における液滴の広がり

問題提起
非濡れ性表面への液滴の衝突には、並進運動エネルギーから界面エネルギー、内部運動、および散逸への複雑な過渡的変換が伴う。古典的なスケーリング則（例：$\beta_{max} \sim We^{1/4}$）は最大変形傾向を総括するが、表面テクスチャが基礎となる力のバランスやエネルギーバランスをどのように修正するかを一意に特定するものではない。具体的には、表面テクスチャは競合する効果をもたらす：平衡濡れ幾何学（Wenzel状態対Cassie–Baxter状態）の変化、接触線を阻止するエネルギー障壁（ピンニング）、および散逸や回復可能エネルギーを変化させる可能性のあるテクスチャ内への液体の浸入である。

本研究で扱う具体的な設定は、Yilbasらによる実験データ[11]に基づく、疎水化された平滑なシリコン表面およびナノウォールテクスチャ表面への水滴の衝突である。課題は、計算コストの高い完全解像型の多相シミュレーション（4桁の長さスケールを解像する必要があるもの）に頼ることなく、観察された最大広がりの方向性と条件依存性を再現できる、最も単純な半径方向の動力学系を決定することである。

手法
著者らは、集約された半径方向のサロゲートとして機能する、非線形1自由度（1-DOF）低次モデルを定式化している。このモデルは、解像されたVolume-of-Fluid法やPhase-fieldシミュレーションではない。

1. 支配的な動力学: システムは、基準値 $q_0 = D_0/2$ を持つ実効半径 $q(t)$ を追跡する。運動方程式は以下の通りである：
   $$m\ddot{q} = -k_{cap}(q - q_0)\left[1 + \kappa_s \left(\frac{q - q_0}{q_0}\right)^2\right] - c_{visc}\dot{q} - F_{pin}\tanh\left(\frac{\dot{q}}{v_s}\right)$$

   • 質量 ($m$): 液滴の全質量と等しいものとする。
   • 毛管剛性 ($k_{cap}$): 慣性・毛管タイムスケールによって固定されており、フィッティングによるものではない。
   • 非線形剛性: 3次の項（$\kappa_s$）は、大きな変形時における非現実的なコンプライアンスを防ぐための振幅依存の硬化を提供する。
   • 粘性減衰: レイノルズ数に依存する係数でモデル化される。
   • 運動抵抗: 高速時には一定の大きさへと近づく、運動に抗う正則化項。

2. ハイブリッド・ピンニング・ルール: 正則化された運動力は速度ゼロにおいて消失するため（これにより静的なピンニングを防止する）、明示的な移動から停止へのイベントが課される。軌跡は、速度がキャプチャ帯域（$v_{stick}$）を下回り、かつ毛管駆動力が静的な容量閾値（$\eta_s F_{pin}$）を克服するのに不十分になったときに終了する。

3. ピンニングの閉鎖: ピンニングの大きさ $F_{pin}$ は、固定された参照遭遇回数でスケールされた細孔スケールの力モデルを用いて推定される。注目すべきは、水力直径がテクスチャ間隔（$D_H = 2a$）に等しいという仮定の下では、無次元化されたピンニングの大きさは、間隔および液滴サイズの両方に依存しないことである。

4. 較正と検証:

   • 3次の係数 $\kappa_s$ は、単一のグラフデータ点（平滑表面、$V=20\,\mu$L、$h=20\,$mm）に対してフィッティングされる。
   • テクスチャ表面の応答は、追加のフィッティングを行うことなく、固定パラメータを用いて予測される。
   • 感度分析: 閉鎖パラメータ（$\kappa_s, F_{pin}, \zeta_0, v_s$）および数値設定に対して局所的な決定論的感度分析を行い、物理的な制御要因と数値的なアーティファクトを区別する。

主な貢献

• モデルの階層化: 本論文は、非線形剛性とピンニング抵抗の具体的な役割を分離するために、モデルの階層（線形非ピンニング、非線形非ピンニング、非線形ピンニング）を確立している。
• 明示的なハイブリッド動力学: 静的なピンニングを扱うために、数学的に定義された「移動から停止へのルール」を導入し、単純な正則化だけではピン留め状態を維持できないことを認めている。
• 識別性と透明性: 本研究は、パラメータを文献値、再構成された入力、フィッティングされた係数、または仮定された閉鎖として明示的に分類している。これは、ある条件下での一致が、すべての閉鎖を同時に検証できるわけではないことを示している。
• 範囲の定義: モデルは、最大半径広がり因子（$\beta_{max}$）を予測することに厳密に限定されている。垂直方向の跳ね返り、接触時間、濡れ状態の遷移、または物理的な離脱の予測は、明示的に除外されている。

結果

• ベースケース ($V=20\,\mu$L, $h=20\,$mm):
  • 線形非ピンニングモデルは広がりを過大評価する（$\beta_{max} = 3.955$）。
  • 非線形非ピンニングモデル（較正済み）は、平滑表面のターゲットに一致する（$\beta_{max} = 2.253$）。
  • 非線形テクスチャモデルは、減少した広がりを予測する（$\beta_{max} = 1.810$）。これは、Yilbasらによって観察された、ナノウォール表面における広がり減少の定性的な傾向と一致している。
• 条件転送: パラメータを固定した状態で、モデルは再構成されたウェーバー数（$We$）に対して、両方の表面で最大広がりが単調に増加することを予測する。テクスチャ表面は、調査された液量および放出高さの範囲全体にわたって、一貫して平滑表面よりも低い $\beta_{max}$ を示す。
• 感度:
  • 非線形剛性 ($\kappa_s$) と ピンニングの大きさ ($F_{pin}$) が、最大広がりの主要な制御因子として特定された。
  • ピンニングの大きさは、テクスチャ表面に特有の支配的な制御因子である。
  • 数値パラメータ（ソルバーの許容誤差、イベントの局在化、運動の平滑化速度）は、報告された精度における最大広がりの予測にほとんど影響を与えない。
  • 終了時刻: 軌跡が終了する時刻は、スイッチング閾値付近における静的容量因子（$\eta_s$）およびピンニングの大きさに非常に敏感であり、これは終了時刻が物理的な予測ではなく、状態分類の診断指標であることを示している。

意義と主張
本論文は、利用可能な最大広がり情報から何を推論でき、何ができないかを定義する、再現可能で計算コストの低い半径方向サロゲートを提供することを控えめに主張している。

• ナノウォールテクスチャが平滑な表面と比較して最大広がりを減少させるという定性的な傾向を、再現することに成功した。
• 広がりの減少は、外向きのピンニング仕事とハイブリッド静的容量ルールの組み合わせによって駆動されることを明らかにしている。
• 著者らは、このモデルが垂直方向の跳ね返り、法線方向の反発係数、または物理的な接触時間を予測しないことを強調している。テクスチャケースにおける「ゼロ」の半径方向回復プロキシは、半径方向の非復帰の分類上の慣習であり、実験的な跳ね返り高さがゼロであることを予測するものではない。
• 本研究は、2座標モデルや解像型多相モデルのための明示的なベースラインとして機能し、単一座標のアプローチが複雑な濡れ状態の遷移やエネルギー回復メカニズムを捉える際の限界を浮き彫りにしている。