MétaCan
Menu
Retour à la cohorte
Enregistrement W2276225574 · doi:10.1680/jsuin.15.00003

Hydrophobic nano-asperities in control of energy barrier during particle–surface interactions

2015· article· en· W2276225574 sur OpenAlexfundno aff
Jarosław Drelich, Patrick K. Bowen

Notice bibliographique

RevueSurface Innovations · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of British Columbia
Mots-clésvan der Waals forceMaterials scienceParticle (ecology)RADIUSChemical physicsNanometreSurface energyColloidNano-Interaction energySPHERESSurface (topology)NanotechnologyNanoparticleElectrolyteComposite materialPhysicsChemistryMoleculeGeometryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

To explain differences in colloidal interactions for spherical hydrophobic particles, a theoretical analysis of the interaction potential was carried out for a model rough particle interacting with a smooth and flat surface in an electrolyte solution. The attractive hydrophobic interaction potential was added to repulsive retarded van der Waals and repulsive electrical double layer interaction potentials. The rough microscopic particles were modeled as spheres decorated with nano-sized hemispherical asperities. Parameters that reflect common flotation separation systems were selected for testing this theoretical model and computation of the energy barrier applicable to particle–surface interactions. It was found that hydrophobic asperities with the radius of only a few nanometers reduced the energy required for particle attachment to a hydrophobic surface by several times. The value of this energy barrier was reduced by as much as two orders of magnitude when the radius of nano-sized asperities increased to a few tens of nanometers. Theoretical analysis also revealed that surface coverage of microscopic particles by nano-sized asperities was not as important as the size of the asperities.

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,019
Tête enseignante GPT0,263
Écart entre enseignants0,244 · 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

Citations31
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSurface InnovationsMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207