Ligand Shell Composition-Dependent Effects on the Apparent Hydrophobicity and Film Behavior of Gold Nanoparticles at the Air–Water Interface
Notice bibliographique
Résumé
Nanoparticles with well-defined interfacial energy and wetting properties are needed for a broad range of applications involving nanoparticle self-assembly including the formation of superlattices, stability of Pickering emulsions, and for the control of nanoparticle interactions with biological membranes. Theoretical, simulated, and recent experimental studies have found nanometer-scale chemical heterogeneity to have important effects on hydrophobic interactions. Here we report the study of 4 nm gold nanoparticles with compositionally well-defined mixed ligand shells of hydroxyl-(OH) and methyl-(CH3) terminated alkylthiols as Langmuir films. Compositions ranging from 0-25% hydroxyl were examined and reveal nonmonotonic changes in particle hydrophobicity at the air-water interface. Unlike nanoparticles capped exclusively with a methyl-terminated alkylthiol, extensive particle aggregation is found for ligand shells containing <2% hydroxyl-terminated chains. This aggregation was lessened upon increasing the quantity of OH-terminated chains. Nanoparticles capped with 25% OH yield films of well-separated nanoparticles exhibiting a fluid-phase regime in the surface pressure vs area isotherm. Compression-expansion hysteresis, monolayer collapse, and mean nanoparticle area measurements support the TEM-observed changes in film morphology. Such clear changes in the hydrophobicity of nanoparticles based on very small changes in the ligand shell composition are shown to impact the process of interfacial nanoparticle self-assembly and are an important demonstration of nanoscale wetting with consequences in both materials and biological applications of nanoparticles that require tunable hydrophobicity.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».