Adsorption of Anionic–Cationic Surfactant Mixtures on Metal oxide Surfaces
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This research evaluates the adsorption of anionic and cationic surfactant mixtures on charged metal oxide surfaces (i.e., alumina and silica). For an anionic‐rich surfactant mixture below the CMC, the adsorption of anionic surfactant was found to substantially increase with the addition of low mole fractions of cationic surfactant. Two anionic surfactants (sodium dodecyl sulfate and sodium dihexyl sulfosuccinate) and two cationic surfactants (dodecyl pyridinium chloride and benzethonium chloride) were studied to evaluate the effect of surfactant tail branching. While cationic surfactants were observed to co‐adsorb with anionic surfactants onto positively charged surfaces, the plateau level of anionic surfactant adsorption (i.e., at or above the CMC) did not change significantly for anionic–cationic surfactant mixtures. At the same time, the adsorption of anionic surfactants onto alumina was dramatically reduced when present in cationic‐rich micelles and the adsorption of cationic surfactants on silica was substantially reduced in the presence of anionic‐rich micelles. This demonstrates that mixed micelle formation can effectively reduce the activity of the highly adsorbing surfactant and thus inhibit the adsorption of the surfactant, especially when the highly adsorbing surfactant is present at a low mole fraction in the mixed surfactant system. Thus surfactant adsorption can be either enhanced or inhibited using mixed anionic–cationic surfactant systems by varying the concentration and composition.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle