MétaCan
Menu
Retour à la cohorte
Enregistrement W3005720868 · doi:10.1021/acssuschemeng.9b06577

High Internal Phase Pickering Emulsions as Templates for a Cellulosic Functional Porous Material

2020· article· en· W3005720868 sur OpenAlexafffund
Navid Bizmark, Xiaoyu Du, Marios A. Ioannidis

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiquePickering emulsions and particle stabilization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of WaterlooRoyal Bank of Canada
Mots-clésPickering emulsionChemical engineeringMaterials scienceEmulsionPorosityCoalescence (physics)PolymerNanoparticleCelluloseTemplatePhase (matter)Volume fractionNanotechnologyOrganic chemistryChemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Emulsions stabilized by solid particles (Pickering emulsions) are remarkably more resistant to coalescence than emulsions generated with molecular surfactants. If enriched to at least 0.74 by volume fraction of the dispersed phase, then these so-called high internal phase Pickering emulsions (HIPPEs) find important use as templates for the fabrication of a wide spectrum of functional porous materials. Starting with ethyl cellulose (EC)—a nontoxic, food-grade, and biocompatible polymer derived from abundant cellulose—we show how spherical EC nanoparticles can be used to generate oil-in-water (O/W) or water-in-oil (W/O) Pickering emulsions without surfactants. We explore the conditions of ionic strength, oil volume fraction, and EC nanoparticle concentration under which HIPPEs with an internal phase volume fraction of 0.76 ± 0.04 are produced. Using EC nanoparticle-stabilized HIPPEs as a template, we then fabricate a hydrophobic/oleophilic polymeric porous material, which selectively absorbs oil, collects an oil spill from the surface of water, and breaks an O/W Pickering emulsion to its constituents.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,027
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,228
Écart entre enseignants0,217 · 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 tête enseignante, pas un consensus.

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

Citations51
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetPickering emulsions and particle stabilizationTravaux en français237 207