MétaCan
Menu
Retour à la cohorte
Enregistrement W4206998238 · doi:10.1063/5.0082218

Kaolinite colloidal suspensions under the influence of sodium dodecyl sulfate

2022· article· en· W4206998238 sur OpenAlexafffund
Aref Abbasi Moud, Savvas G. Hatzikiriakos

Notice bibliographique

RevuePhysics of Fluids · 2022
Typearticle
Langueen
DomaineChemistry
ThématiqueSurfactants and Colloidal Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesRES’EAU-WaterNET
Mots-clésKaolinitePulmonary surfactantSodium dodecyl sulfateSonicationChemical engineeringSlip (aerodynamics)RheologySodiumMicelleAqueous solutionChromatographyChemistryMineralogyMaterials scienceComposite materialPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Rheological properties of kaolinite particle suspensions in water were studied in the presence of sodium dodecyl sulfate (SDS). The characterization of slightly and strongly sonicated samples revealed the impact of particle initial clustering and agglomeration on their flow behavior; findings revealed that sonicated samples exhibit a stronger network. The influence of kaolinite concentration, sonication, and SDS loading on the apparent slip of kaolinite suspensions was also studied. The presence of SDS molecules prevents particle aggregation and network formation, which leads to a gradual reduction in yield stress. Through a suggested spatial hindrance mechanism, adding SDS above the minimum amount for micelle formation also stops network formation. Finally, it was found that increasing the concentration of kaolinite and sonication reduces the apparent slip, whereas increasing the surfactant concentration increases slip significantly. As a result of shear-induced migration, adding surfactant causes the interface to deplete and thus exhibit apparent slip.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,001
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 GPT0,243
Écart entre enseignants0,225 · 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

Citations19
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetSurfactants and Colloidal SystemsTravaux en français237 207