MétaCan
Menu
Retour à la cohorte
Enregistrement W2088144091 · doi:10.2174/187221009788490068

Recent Advances in Nanoparticle Preparation by Spray and Microemulsion Methods

2009· review· en· W2088144091 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRecent Patents on Nanotechnology · 2009
Typereview
Langueen
DomaineEngineering
ThématiqueElectrohydrodynamics and Fluid Dynamics
Établissements canadiensUniversity of New BrunswickUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMicroemulsionMaterials scienceNanotechnologyNanoparticleEmulsionCeramicParticle sizeParticle (ecology)Chemical engineeringComposite materialPulmonary surfactant

Résumé

récupéré en direct d'OpenAlex

Micro- and nano-sized metal, semiconductor, pharmaceutical, and simple or complex ceramic particles have numerous applications in the development of sensors, thermal barrier coatings, catalysts, pigments, drugs, etc. The challenges include controlling the particle size, size distribution, particle crystallinity, morphology and shape, being able to use the nanoparticles for a given purpose, and to produce them from a variety of precursors. There are several methods to produce nanoparticles, each suitable for a range of applications. In this article, two methods that are receiving increasing attention are considered: spray and microemulsion methods. Spray techniques are single-step methods of producing a broad spectrum of simple to multicomponent functional micro and nanoparticles and quantum dots. Microemulsion is a wet chemistry method. A micro-emulsion system consists of aqueous domains, called reverse micelles, dispersed in a continuous oil phase. In this article, the above mentioned methods of nanoparticle production are introduced and recent advances, research directions and challenges, and the pertinent patents are reviewed and discussed.

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 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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,995
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)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,016
Tête enseignante GPT0,320
Écart entre enseignants0,304 · 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