Temperature dependence on the mass susceptibility and mass magnetization of superparamagnetic Mn–Zn–ferrite nanoparticles as contrast agents for magnetic imaging of oil and gas reservoirs
Notice bibliographique
Résumé
The mass susceptibility (χmass) and mass magnetization (Mmass) were determined for a series of ternary manganese and zinc ferrite nanoparticles (Mn–Zn ferrite NPs, MnxZn1−xFe2O4) with different Mn:Zn ratios (0.08 ≤ x ≤ 4.67), prepared by the thermal decomposition reaction of the appropriate metal acetylacetonate complexes, and for the binary homologs (MxFe3−xO4, where M = Mn or Zn). Alteration of the Mn:Zn ratio in Mn–Zn ferrite NPs does not significantly affect the particle size. At room temperature and low applied field strength the mass susceptibility increases sharply as the Mn:Zn ratio increases, but above a ratio of 0.4 further increase in the amount of manganese results in the mass susceptibility decreasing slightly, reaching a plateau above Mn:Zn ≈ 2. The compositional dependence of the mass magnetization shows less of a variation at room temperature and high applied fields. The temperature dependence of the mass magnetization of Mn–Zn ferrite NPs is significantly less for Mn-rich compositions making them more suitable for downhole imaging at higher temperatures (>100 °C). For non-shale reservoirs, replacement of nMag by Mn-rich Mn–Zn ferrites will allow for significant signal-to-noise enhancement of 6.5× over NP magnetite.
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 | 0,001 |
| 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 ».