Nanoparticle Coupling to Hydrogel Networks: New Insights from Electroacoustic Spectroscopy
Notice bibliographique
Résumé
Nanoparticle–hydrogel interactions are important in many applications. In drug delivery, for example, these control the release rate and may prevent nanoparticle (NP) migration from a targeted site. In this paper, electroacoustic spectroscopy is used to study the NP–hydrogel interaction, focusing on the influence of polymer adsorption and hydrogel composition. Electroacoustic spectroscopy is a powerful noninvasive tool to complement microrheological characterization. We study the interaction of polyacrylamide (PA) with laponite and silica NPs as model systems with strong and weak attraction, respectively. Stronger adsorption of PA on laponite compared to silica imparts distinctly different rheological properties to PA solutions and decreases the laponite mobility significantly more than silica when embedded in PA hydrogels. However, the mobilities of both NPs exhibit qualitatively similar variations with acrylamide and chemical cross-linker concentrations, as indicated by viscoelastic and electrokinetic characterizations. The electrokinetic charge changes with polymer concentration more than with the chemical cross-linker concentration, whereas elastic coupling increases with the polymer concentration and decreases with the chemical cross-linker concentration. These reflect significant physicochemical changes to the hydrogel microstructure from the NP doping, so optimization of material properties for a specific application must explicitly consider the NP–polymer pairing.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».