Ethyl Cellulose Nanoparticles at the Alkane–Water Interface and the Making of Pickering Emulsions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Pickering emulsions stabilized by nanoparticles have recently received great attention for their remarkable stability, in part a consequence of irreversible adsorption. In this study, we generate Pickering oil-in-water emulsions stabilized by ethyl cellulose (EC) nanoparticles without the addition of surfactants. Over a range of ionic strength and EC nanoparticle concentrations, a series of dynamic interfacial tension (IFT) measurements complemented by extended DLVO theoretical computations are conducted to quantitatively describe the behavior of EC nanoparticles at the interface of water with different alkanes. Regardless of ionic strength, there is no barrier against the adsorption of EC nanoparticles at the alkane-water interfaces studied and the particles tightly cover these interfaces with near maximal coverage (i.e., 91%). Remarkably, the rate of approach to maximum coverage of the alkane-water interface by EC nanoparticles during the later stages of adsorption is accelerated in the presence of salt at concentrations below the critical coagulation concentration (CCC), unlike the air-water interface. Above the CCC, alkane-water interfaces behave similar to air-water interfaces, showing decay in the adsorption flux which is attributed to an increase in surface blocking originating from the attachment of nanoparticles to nanoparticles already adsorbed at the interface. These findings shed light on particle-particle and particle-interface colloidal interactions at and near fluid-fluid interfaces, thereby improving our ability to use hydrophobic EC nanoparticles as emulsion stabilizers.
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.
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 | 0,000 | 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 découle