How surfactant-decorated nanoparticles contribute to thermodynamic miscibility
Notice bibliographique
Résumé
Abstract In this study, mineral oil–water fluid miscibility without and with the addition of surfactant-decorated nanoparticles is experimentally and theoretically studied. First, three series of interfacial tension (IFT) tests are conducted using a spinning drop tensiometer (SDT) with the addition of hexadecyltrimethylammonium bromide (CTAB) surfactant-decorated SiO 2 nanoparticles at different concentrations. Second, a new comprehensive thermodynamic model is developed to describe the fluid miscibility without and with the addition of these surfactant-decorated nanoparticles, which is also applied theoretically to reveal how the surfactant-decorated nanoparticles contribute to the thermodynamic miscibility state. The thermodynamic model developed is proven to be accurate and physically meaningful by comparing its calculated free energy of mixing with the experimental results and examples from the literature. A series of optimum conditions for the improvement of fluid miscibility by the addition of such surfactant-decorated nanoparticles are determined: a lower temperature, a higher pressure, more wetting conditions, a smaller nanoparticle radius ( r NP < 40 nm), a larger surfactant concentration, and a nanoparticle concentration in the range of 0.5–0.6 wt.%. It should be noted that a higher nanoparticle concentration is required with the addition of more CTAB surfactants in order to reach the most miscible state. Moreover, the effect of surfactant concentration on the miscibility development is found to be independent of the nanoparticle radius, whereas the optimum nanoparticle concentration is reduced with increasing particle size.
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) | 0,000 | 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 ».