MétaCan
Menu
Retour à la cohorte
Enregistrement W2618517665 · doi:10.1021/acs.jpclett.7b01005

pH-Dependent Inversion of Hofmeister Trends in the Water Structure of the Electrical Double Layer

2017· article· en· W2618517665 sur OpenAlexafffund
Emma L. DeWalt-Kerian, Sun Kim, Md. Shafiul Azam, Hongbo Zeng, Qingxia Liu, Julianne M. Gibbs

Notice bibliographique

RevueThe Journal of Physical Chemistry Letters · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSpectroscopy and Quantum Chemical Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanadian Centre for Clean Coal/Carbon and Mineral Processing TechnologiesNatural Sciences and Engineering Research Council of CanadaAlfred P. Sloan FoundationUniversity of AlbertaGovernment of CanadaCanada Foundation for InnovationSuncor Energy Incorporated
Mots-clésInversion (geology)Hofmeister seriesLayer (electronics)ChemistryChemical physicsGeophysicsMaterials scienceGeologyNanotechnologyIonGeomorphologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Specific ion effects (SIEs) are known to influence the acid/base behavior of silica and the interfacial structure of water, yet evidence of the effect of pH on SIEs is lacking. Here broadband vibrational sum frequency generation (SFG) spectroscopy was used to study SIEs on the water structure at the electrical double layer (EDL) of silica as a function of pH and monovalent cation identity from pH 2–12 at 0.5 M salt concentration. SFG results indicate a direct Hofmeister series of cation adsorption at pH 8 (Li + < Na + < K + < Cs + ), with an inversion in this series occurring at pH > 10. In addition, an inversion in SFG intensity trends also occurred at pH < 6, which was attributed to contributions from asymmetric cation hydration and EDL overcharging. The highly pH-dependent SIEs for silica/water have implications for EDL models that often assume pH-independent parameters.

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)0,000
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,012
Tête enseignante GPT0,259
Écart entre enseignants0,247 · 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

Citations116
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry LettersMême sujetSpectroscopy and Quantum Chemical StudiesTravaux en français237 207