MétaCan
Menu
Retour à la cohorte
Enregistrement W1726713879 · doi:10.1039/c5cp03818a

Ion-specific adsorption and electroosmosis in charged amorphous porous silica

2015· article· en· W1726713879 sur OpenAlexaff
Remco Hartkamp, Bertrand Siboulet, Jean‐François Dufrêche, Benoît Coasne

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueNanopore and Nanochannel Transport Studies
Établissements canadiensCanadian Nautical Research Society
Organismes subventionnairesnon disponible
Mots-clésAdsorptionAmorphous silicaIonPorosityAmorphous solidChemical engineeringMaterials scienceChemistryChemical physicsInorganic chemistryMineralogyComposite materialPhysical chemistryCrystallographyOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Monovalent and divalent aqueous electrolytes confined in negatively charged porous silica are studied by means of molecular simulations including free energy calculations. Owing to the strong cation adsorption at the surface, surface charge overcompensation (overscreening) occurs which leads to an effective positive surface next to the Stern layer, followed by a negatively charged diffuse layer. A simple Poisson-Boltzmann model in which the single-ion potential of mean force is introduced is shown to capture the most prominent features of ion density profiles near an amorphous silica surface. Nevertheless, due to its mean-field nature, which fails to account for correlations, this simple model does not predict overscreening corresponding to charge inversion at the surface. Such an overscreening drastically affects the transport of confined electrolytes as it leads to flow reversal when subjected to an electric field. A simple continuum theory is shown to capture how the electro-osmotic flow is affected by overscreening and by the apparent enhanced viscosity of the confined electrolytes. Comparison with available experimental data is discussed, as well as the implications of these phenomena for ζ-potential measurements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,202
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations74
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical Chemistry Chemical PhysicsMême sujetNanopore and Nanochannel Transport StudiesTravaux en français237 207