Interactions of Asphaltene Subfractions in Organic Media of Varying Aromaticity
Notice bibliographique
Résumé
Whole asphaltenes were fractionated by extended-saturates, aromatics, resins, and asphaltenes (E-SARA) analysis into four asphaltene subfractions: toluene-extracted interfacially active asphaltenes (T-IAA), toluene-extracted remaining asphaltenes (T-RA), Heptol 50/50-extracted interfacially active asphaltenes (HT-IAA), and Heptol 50/50-extracted remaining asphaltenes (HT-RA). The aggregation kinetics of fractionated asphaltenes measured by dynamic light scattering (DLS) showed that decreasing solvent aromaticity promoted asphaltene aggregation for all subfractions. In a given solvent, T-IAA exhibited the strongest aggregation tendency, followed by HT-IAA, then T-RA, and HT-RA. Such differences were attributed to the higher oxygen and sulfur contents (highlighted in sulfoxide content) in IAA subfractions than RA subfractions, as confirmed by elemental analysis and X-ray photoelectron spectroscopy (XPS). The interaction forces between immobilized fractionated asphaltenes were measured using an atomic force microscope (AFM) to obtain a fundamental understanding of asphaltene interactions in organic media of varying aromaticity. The results showed that decreasing solvent aromaticity reduced steric repulsion and increased adhesion between asphaltenes with asphaltenes adopting a more compressed conformation. IAA subfractions, in particular T-IAA, exhibited higher adhesion forces than RA subfractions during separation of two asphaltene films in contact. The results of AFM colloidal force measurements were in good agreement with the DLS data. In spite of the small sulfoxide content in asphaltenes, the sulfoxide groups are believed to play a critical role in enhancing asphaltene aggregation in the bulk oil phase.
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 | 0,000 |
| 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) | 0,003 | 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 ».