Yield stress of oxide dispersions—intermolecular forces of adsorbed small ionic additives and particle surface roughness
Notice bibliographique
Résumé
Abstract The yield stress‐pH and zeta potential‐pH behaviour of α‐alumina and zirconia dispersions with adsorbed small ionic molecular additives such as phosphate and pyrophosphate were determined. The result for adsorbed citrate was included for comparison. Adsorbed phosphate at high surface coverage increased the maximum yield stress of low surface area α‐Al 2 O 3 (AKP30 and AA07) dispersions slightly. This increase is attributed to the intermolecular hydrogen bonding between phosphates adsorbed on interacting particles. With high surface area ZrO 2 (Tosoh) dispersions, however, the adsorbed phosphate decreased the maximum yield stress. This is due to its very rough surface morphology limiting the extent of intermolecular hydrogen bonding between adsorbed phosphate layers. Unlike phosphate, pyrophosphate reduces the maximum yield stress of AKP30 α‐Al 2 O 3 . This is due to the presence of intramolecular hydrogen bonding, thereby impeding effective bridging. A similar result is observed with citrate. The adsorbed pyrophosphate acts as an effective steric barrier keeping interacting particles further apart, thereby weakening the van de Waals attraction. These dispersions with the presence of non‐DLVO forces, that is bridging and steric, did not affect the linear relationship between yield stress and the square of the zeta potential as predicted by the yield stress–DLVO force model. However the relative importance of these non‐DLVO forces affect the value of the critical zeta potential at the point of transition from flocculated to dispersed state. © 2011 Canadian Society for Chemical Engineering
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 ».