MétaCan
Menu
Retour à la cohorte
Enregistrement W2063820988 · doi:10.1021/la903815t

Nanobeads Highly Loaded with Superparamagnetic Nanoparticles Prepared by Emulsification and Seeded-Emulsion Polymerization

2009· article· en· W2063820988 sur OpenAlexaff
Chantal Paquet, Lilianne Pagé, Arnold J. Kell, Benoît Simard

Notice bibliographique

RevueLangmuir · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueCharacterization and Applications of Magnetic Nanoparticles
Établissements canadiensSteacie Institute for Molecular Sciences
Organismes subventionnairesnon disponible
Mots-clésSuperparamagnetismColloidThermogravimetric analysisChemical engineeringMaterials sciencePolymerizationEmulsion polymerizationNanoparticleEmulsionPolymerSaturation (graph theory)Pulmonary surfactantPolymer chemistryNanotechnologyMagnetizationComposite material

Résumé

récupéré en direct d'OpenAlex

Functional superparamagnetic colloids possessing high saturation magnetization are prepared by emulsification of superparamagnetic nanoparticles (SPM NPs) and heterogeneous polymerization. The colloids consist of a core of densely packed NPs encapsulated within a thin polymer shell. The cores are made by emulsifying SPM NPs and toluene into an aqueous surfactant solution, and subsequently condensing the emulsion droplets by removal of the solvent generating clusters of SPM NPs. By tuning the emulsification condition, this approach allows for control over the size of the clusters from approximately 40 to 200 nm. The polymer shells encapsulating the clusters are made by using seeded-emulsion polymerization concepts. Control over the thickness of the shell and the incorporation of functional groups to the colloid is achieved. Characterization by thermogravimetric analysis (TGA) and magnetometry shows that these colloids have 66 wt % of magnetic material and saturation magnetization of 47 emu/g, confirming that this route generates colloids with a high loading of SPM NPs and high saturation magnetizations.

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)0,000
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,003
Tête enseignante GPT0,173
Écart entre enseignants0,170 · 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

Citations50
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetCharacterization and Applications of Magnetic NanoparticlesTravaux en français237 207