MétaCan
Menu
Retour à la cohorte
Enregistrement W1974351545 · doi:10.14356/kona.2000012

Effect of Surfactant and Polymer Adsorption on the Viscosity of Aqueous Colloidal Silica Dispersions under Extreme Conditions

2000· article· en· W1974351545 sur OpenAlexaff
Abbas A. Zaman, Pankaj Kumar Singh, Brij M. Moudgil

Notice bibliographique

RevueKONA Powder and Particle Journal · 2000
Typearticle
Langueen
DomaineChemistry
ThématiqueSurfactants and Colloidal Systems
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesUniversity of FloridaNational Science Foundation
Mots-clésPulmonary surfactantMaterials sciencePolymerViscosityColloidChemical engineeringDispersion (optics)Dispersion stabilityAqueous solutionCationic polymerizationDispersantAdsorptionRheologyReduced viscosityIonic strengthPolymer chemistryComposite materialChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The effect of surfactant and polymeric additives on the viscosity behavior and stability of aqueous colloidal dispersions of silica particles under extreme conditions (low pH, high ionic strength) has been investigated. The surfactant and polymer used as dispersing agent were C12TAB, a cationic surfactant, and DarvanC, a commercially available polymer. It was found that the surfactant stabilized dispersions show a lower viscosity and a more uniform resistance to flow than the samples stabilized through electrostatic repulsion or polymer induced forces in the system. Stability analysis through turbidity measurements indicated that the state of the dispersion changes from an unstable regime to a stable regime above a critical concentration of C12TAB in the system. Viscosity measurements as a function of temperature indicates that C12TAB dispersing agent can further improve the flowability of the dispersion at higher temperatures.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,240
Écart entre enseignants0,226 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKONA Powder and Particle JournalMême sujetSurfactants and Colloidal SystemsTravaux en français237 207