MétaCan
Menu
Retour à la cohorte
Enregistrement W3196366036 · doi:10.1021/acs.jpcc.1c05088

Modulation of Surface Charge by Mediating Surface Chemical Structures in Nonpolar Solvents with Nonionic Surfactant Used as Charge Additives

2021· article· en· W3196366036 sur OpenAlexafffund
Zhixiang Chen, Yi Lu, Mahsa Nazemi Ashani, Rogério Manica, Liyuan Feng, Qingxia Liu

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2021
Typearticle
Langueen
DomaineChemistry
ThématiqueSurfactants and Colloidal Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta InnovatesChina Scholarship Council
Mots-clésAdsorptionPulmonary surfactantX-ray photoelectron spectroscopyMonolayerSurface chargeChemical engineeringChemistryNanoparticleAlkylColloidCharge densityChemical physicsMaterials sciencePhysical chemistryOrganic chemistryNanotechnology

Résumé

récupéré en direct d'OpenAlex

One of the major challenges in controlling the colloidal stability in nonpolar solvents concerns their surface charging strength. By tuning surface chemical structures in nonpolar solvents, the surface charge can be modulated with nonionic surfactants used as charge additives. In this study, various self-assembled monolayers (SAMs) were coated onto specific surfaces and nanoparticles to obtain different chemical structures. X-ray photoelectron spectroscopy (XPS) and atomic force microscope (AFM) measurements were used to quantify surface chemical structures, whereas dynamic adsorption experiments and molecular dynamics (MD) simulation were utilized to study the influence of these structures on surfactant adsorption behavior. Surface charging optimization was achieved by mediating the concentration of electron acceptors and donors, which is reflected as matching the alkyl length of SAMs with an appropriate concentration of hydroxyl group on the surfaces. The charging strength of particles decreased above a certain surfactant concentration, which is attributed to the competition between surfactant adsorption stability and charge neutralization effect generated via the disproportionation process.

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 enseignants0,003
Score d'incertitude au seuil0,876

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,007
Tête enseignante GPT0,230
Écart entre enseignants0,223 · 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

Citations14
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry CMême sujetSurfactants and Colloidal SystemsTravaux en français237 207