MétaCan
Menu
Retour à la cohorte
Enregistrement W2898948504 · doi:10.1039/c8sm01542b

Patchy colloidal particles at the fluid–fluid interface

2018· article· en· W2898948504 sur OpenAlexaff
Chung Chi Chio, Ying‐Lung Steve Tse

Notice bibliographique

RevueSoft Matter · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiquePickering emulsions and particle stabilization
Établissements canadiensGovernment of Northwest Territories
Organismes subventionnairesResearch Grants Council, University Grants CommitteeChinese University of Hong KongCroucher Foundation
Mots-clésColloidColloidal particleInterface (matter)Materials scienceComplex fluidChemical engineeringMechanicsNanotechnologyPhysicsPulmonary surfactantEngineering

Résumé

récupéré en direct d'OpenAlex

Colloidal particles have significantly different characteristics when they are at interfaces from when they are in the bulk. In this study, we applied Monte Carlo simulations to investigate the stability and dynamics of smooth patchy particles and rough patchy particles near or at the fluid-fluid interface. By adjusting the surface area ratio of the two faces of a smooth Janus particle, we show how its stability, in terms of free energy, in either side of the interface can be tuned relative to the smooth homogeneous particle. We demonstrate how roughness can affect the stability and the orientation of a colloidal particle. Moreover, position-dependent diffusion constants in directions parallel and perpendicular to the interface are calculated for the colloidal particles as a function of distance from the interface. We report drastic slowdowns in the perpendicular diffusivity (and less severe slowdowns for the parallel diffusivity) for all the colloidal particles when they approach the fluid-fluid interface. While such a slowdown is well-known for the fluid-solid interface in the literature in terms of frictional force in hydrodynamics, why this happens for the fluid-fluid interface has not been adequately discussed. We provide evidence for the decrease in terms of discrepancy in the fluid density that leads to depletion forces.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,014

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,263
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetPickering emulsions and particle stabilizationTravaux en français237 207