MétaCan
Menu
Retour à la cohorte
Enregistrement W2096459854 · doi:10.1007/s11743-008-1065-7

The Characteristic Curvature of Ionic Surfactants

2008· article· en· W2096459854 sur OpenAlexafffund
Edgar Acosta, Jessica S. Yuan, Arti Sh. Bhakta

Notice bibliographique

RevueJournal of Surfactants and Detergents · 2008
Typearticle
Langueen
DomaineChemistry
ThématiqueSurfactants and Colloidal Systems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of TorontoCanada Foundation for InnovationNatural Sciences and Engineering Research Council of CanadaUniversity of Oklahoma
Mots-clésPulmonary surfactantChemistryMicroemulsionSodium dodecyl sulfateSodiumElectrolyteChromatographyIonic bondingChemical engineeringOrganic chemistryPhysical chemistryIon

Résumé

récupéré en direct d'OpenAlex

Abstract Characterizing the hydrophilic‐lipophilic nature of a surfactant molecule has been a challenge for colloid scientists and technologists. The hydrophilic‐lipophilic balance (HLB), the packing factor, the phase inversion temperature (PIT) and the natural curvature of the surfactant are all terms that seek to address this issue. In this article we build on the hydrophilic–lipophilic difference concept (HLD) (Salager et al. Langmuir, 16, 5534–5539, 2000) to develop a methodology to determine a characteristic curvature (Cc) for ionic surfactants based on the phase behavior of mixed ionic surfactant microemulsions. In essence, the method consists of evaluating the shift in optimal electrolyte concentration as a function of the mole fraction of the test surfactant in a mixture with a reference surfactant, sodium dihexyl sulfosuccinate (SDHS) and applying the appropriate HLD equation for ionic surfactant mixtures to determine Cc. The values of Cc were determined for a range of surfactants, including sodium dodecyl sulfate (SDS), sodium dodecyl benzene sulfonate (SDBS), sodium naphthenate, and others. The method was also extrapolated to nonionic additives and hydrophilic linkers. It was observed that the calculated values of Cc were similar to those predicted by group contribution models, however the proposed method can be used even for complex surfactant mixtures. Finally, when Cc values were compared to apparent packing factor and HLB values, it was found that Cc is correlated with the apparent packing factor of ionic surfactants, and that Cc correlates with the HLB value for nonionic amphiphiles. The physical interpretation of Cc, and its potential application in the Net‐Average Curvature equation of state for oil‐surfactant‐water systems is 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.

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)0,001
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,209
Écart entre enseignants0,194 · 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

Citations171
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Surfactants and DetergentsMême sujetSurfactants and Colloidal SystemsTravaux en français237 207