MétaCan
Menu
Retour à la cohorte
Enregistrement W2900691324 · doi:10.1039/c8ra08936a

Anomalous effect of the aging degree on the ionic permeability of silica shells

2018· article· en· W2900691324 sur OpenAlexaff
Shenghua Wang, Chaoran Li, Zhijie Chen, Zhijie Zhu, Qishan Zhu, Ruijun Tang, Wei Sun, Le He, Xiaohong Zhang

Notice bibliographique

RevueRSC Advances · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMesoporous Materials and Catalysis
Établissements canadiensUniversity of TorontoToronto Public Health
Organismes subventionnairesQinglan Project of Jiangsu Province of ChinaHigher Education Discipline Innovation ProjectNatural Science Foundation of Jiangsu ProvincePriority Academic Program Development of Jiangsu Higher Education InstitutionsGovernment of Jiangsu ProvinceChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésIonic bondingChemical engineeringWettingPermeability (electromagnetism)Materials scienceNanoparticleIonIonic strengthOxideChemistryNanotechnologyComposite materialOrganic chemistryMetallurgyMembrane

Résumé

récupéré en direct d'OpenAlex

We present a systematic study on the ionic permeability and protective ability of silica shells with different aging degrees by using the acid etching of silica-coated iron oxide nanoparticles as the model reaction. Contradictory to common impressions, we found that the ionic permeability of silica shells increased rather than decreased with the increasing aging degree. This trend may be explained by the chemical nature of the sol-gel silica shell that affects the wettability and, thereby, the transportation of water molecules and hydrated ions. Our study provides novel insights into the protective ability of sol-gel derived silica, which enables us to design thin but low-permeability shells for the stability of inner nanoparticles under harsh conditions without scarifying the performance of core-shell nanostructures.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
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)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,256
Écart entre enseignants0,244 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRSC AdvancesMême sujetMesoporous Materials and CatalysisTravaux en français237 207