MétaCan
Menu
Retour à la cohorte
Enregistrement W2976131728 · doi:10.3390/app9194044

In-Situ Continuous Monitoring of the Viscosity of Surfactant-Stabilized and Nanoparticles-Stabilized Pickering Emulsions

2019· article· en· W2976131728 sur OpenAlexaff
Upinder Bains, Rajinder Pal

Notice bibliographique

RevueApplied Sciences · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiquePickering emulsions and particle stabilization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPickering emulsionPulmonary surfactantRheologyMaterials scienceVolume fractionChemical engineeringViscosityEmulsionPhase (matter)Shear rateNanoparticleVolume (thermodynamics)ChromatographyChemistryNanotechnologyComposite materialOrganic chemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

An in-situ method of measuring the viscosity of unstable and stable emulsions on a continuous basis under agitation conditions was developed and utilized to investigate the viscous behaviour of surfactant-stabilized and nanoparticles-stabilized oil-in-water (O/W) emulsions at different volume fractions of the dispersed phase (oil). The stability characteristics (droplet size and phase-separation) of emulsions under quiescent conditions were also determined with the aging of emulsions. Emulsions are Newtonian at low volume fractions of the dispersed phase. At high concentrations of the dispersed phase, emulsions behave as non-Newtonian shear-thinning fluids. The nanoparticles-stabilized (Pickering) emulsions are unstable in comparison with the surfactant-stabilized emulsions. The droplet sizes of Pickering emulsions increase rapidly with aging, whereas the droplet sizes of surfactant-stabilized remain nearly the same over a period of 24 h. However, Pickering emulsions are much more viscous than the surfactant-stabilized emulsions when comparison is made at the same volume fraction of the dispersed 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 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)0,001
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
Métarecherche0,0010,001
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 recherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,258
Écart entre enseignants0,241 · 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

Citations23
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetPickering emulsions and particle stabilizationTravaux en français237 207