MétaCan
Menu
Retour à la cohorte
Enregistrement W3041682676 · doi:10.1039/d0lc00571a

Speeding up biphasic reactions with surface nanodroplets

2020· article· en· W3041682676 sur OpenAlexafffund
Zhengxin Li, Akihito Kiyama, Hongbo Zeng, Detlef Lohse, Xuehua Zhang

Notice bibliographique

RevueLab on a Chip · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensAlberta Hospital EdmontonUniversity of Alberta
Organismes subventionnairesInstitute of Global Innovation Research, Tokyo University of Agriculture and TechnologyH2020 European Research CouncilCanada Research ChairsCanada First Research Excellence FundTokyo University of Agriculture and TechnologyNatural Sciences and Engineering Research Council of Canada
Mots-clésChemical reactionReaction rateChemistryVolumetric flow rateAdsorptionPéclet numberFlow (mathematics)Substrate (aquarium)Work (physics)Chemical engineeringChemical physicsThermodynamicsPhysical chemistryMechanicsOrganic chemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

, in good agreement with our experimental results. Furthermore, we found that the product from the reaction on an upstream surface can postpone the droplet reaction on a downstream surface, possibly due to the adsorption of interface-active products on the droplets in the downstream. The time of the delay decreases with increasing Pe of the flow and also with increasing reactant concentration in the flow, following the scaling same as that of the reaction rate with these two parameters. Our findings provide insight for the ultimate aim to enhance droplet reactions under flow conditions.

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 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 enseignants0,196
Score d'incertitude au seuil0,484

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,024
Tête enseignante GPT0,233
Écart entre enseignants0,209 · 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.

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

Citations19
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207