Influence of atomization conditions on spray drying lithium iron phosphate nanoparticle suspensions
Notice bibliographique
Résumé
Abstract Removing solvents from nanoparticle solid suspensions requires the same diligence as drying pharmaceutical ingredients. nanoparticles suspension in water oxidize, sinter, and segregates on the surface when they dry in a furnace. Spray drying preserves the material properties because contact times are on the orders of seconds; furthermore, the atomized droplets ensure particles are small (5 m to 20 m) and dispersed. A Yamato GA‐32 (120 mm inner diameter) spray dried in co‐current flow a nanoparticle suspension of in water, with a solid content up to 60 %. Atomization gas velocities of 140 m s to 350 m s agglomerated the nanomaterial into spherical particles that ranged from 3 m to 10 m. The particle diameters ranged from 10 m to 20 m at atomization velocities of 50 m s to 140 m s . At this condition, yield was lower because the semi‐dried particles adhere on the wall. At 150 C to 200 C the surface area reached 26 m g while from 50 C to 100 C it varied from 14 m g to 20 m g . The trend for mesoporosity versus spray drying temperature is the same as for surface area: pore volumes are higher (0.18 cm g ) above 200 C and 20 % lower below 200 C. Drying temperature modifies drying speed; low temperatures compact the powders more than high temperature which results in lower surface area and porosity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».