Analysis of network formation and long-term stability in silica nanoparticle stabilized emulsions
Notice bibliographique
Résumé
Emulsions are widely used in industrial applications, including in food sciences, cosmetics, and enhanced oil recovery. For these industries, an in depth understanding of the stability and rheological properties of emulsions under both static and dynamic conditions is vital to their successful application. Presented here is a thorough assessment of a model nanoparticle (NP) stabilized dodecane-in-water emulsion as a route to improved understanding of the relationship between NP properties, microstructure and droplet-droplet interactions on the stability and rheological properties of emulsions. Emulsions are obtained here with low NP loadings without the need for added electrolyte through the use of an optimized silica NP (SNP) surface modification procedure. The prepared emulsions were characterized via optical microscopy, cryo-scanning electron microscopy (cryo-SEM), zeta potential analysis and laser scanning confocal microscopy (LSCM), enabling quantification of the emulsion droplet size, SNP interfacial coverage/morphology and surface charge. The correlation of these properties with the rheology of the emulsions is investigated through small amplitude oscillatory shear experiments which provide significant insight into the origins of the emulsions' rheological behavior and their stability. In addition, long-term stability, droplet-droplet network formation and microstructural evolution are found to be readily detectable shortly after preparation through measured progression of the emulsion's rheological properties.
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 | 0,001 |
| 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 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 ».