Conversion of Viscous Oil-in-Water Nanoemulsions to Viscoelastic Gels upon Removal of Excess Ionic Emulsifier
Notice bibliographique
Résumé
Viscous, flowable nanoemulsions stabilized with ionic emulsifier can be transformed into repulsively jammed elastic gels that do not flow under gravity by reducing the droplet size and increasing the interfacial repulsive shell layer thickness. However, a high concentration of emulsifier required to achieve nanodroplets could remain in the continuous phase and lead to oscillatory structural forces, thereby reducing repulsive interaction and forming flowable liquid systems. It was hypothesized that the removal of excess emulsifier from a nanoemulsion could lead to the formation of repulsive gels. Canola oil-in-water nanoemulsions, containing 40 wt % oil, were prepared with a citric acid ester of monoglyceride (Citrem) using a high-pressure homogenizer. The excess emulsifier in the aqueous phase was removed by multiple ultracentrifugation cycles, and the droplet size, rheology, and stability of the nanoemulsions were investigated as a function of excess Citrem concentration. Nanoemulsions with average droplet sizes of 222 and 150 nm were obtained with 3 and 5 wt % Citrem, respectively. The removal of excess Citrem did not change the droplet size significantly. However, the viscosity, yield stress, and storage moduli increased significantly with the reduction of excess Citrem and the decrease in droplet size, converting the flowable weak gel nanoemulsion to a strong viscoelastic gel. The calculated values of oscillatory structural forces decreased with the removal of excess emulsifier, leading to an increase in repulsive interactions and the thickness of the electric double layer. Such an increase in interdroplet separation led to an increase in the effective oil volume fraction beyond the maximum random jamming of oil droplets and the formation of a viscoelastic nanoemulsion gel.
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) | 0,001 | 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 ».