MétaCan
Menu
Retour à la cohorte
Enregistrement W4226392764 · doi:10.1021/acs.langmuir.2c00516

Growth Rates of Hydrogen Microbubbles in Reacting Femtoliter Droplets

2022· article· en· W4226392764 sur OpenAlexafffund
Zhengxin Li, Hongbo Zeng, Xuehua Zhang

Notice bibliographique

RevueLangmuir · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAlberta InnovatesCanada Foundation for InnovationEuropean Research CouncilNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésBubbleChemistryReaction rateWettingDiffusionChemical physicsChemical engineeringMicrobubblesRADIUSNanotechnologyChemical reactionGrowth rateCatalysisMaterials scienceThermodynamicsMechanicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Chemical reactions in small droplets are extensively explored to accelerate the discovery of new materials and increase the efficiency and specificity in catalytic biphasic conversion and high-throughput analytics. In this work, we investigate the local rate of the gas-evolution reaction within femtoliter droplets immobilized on a solid surface. The growth rate of hydrogen microbubbles (≥500 nm in radius) produced from the reaction was measured online with high-resolution confocal microscopic images. The growth rate of bubbles was faster in smaller droplets and near the droplet rim in the same droplet. The results were consistent for both pure and binary reacting droplets and on substrates of different wettability. Our theoretical analysis based on diffusion, chemical reaction, and bubble growth predicted that the concentration of the reactant depended on the droplet size and the bubble location inside the droplet, in good agreement with experimental results. Our results reveal that the reaction rate may be spatially nonuniform in the reacting microdroplets. The findings may have implications for formulating the chemical properties and uses of these droplets.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,075
Score d'incertitude au seuil0,998

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)0,0030,000

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 Opus0,015
Tête enseignante GPT0,261
Écart entre enseignants0,246 · 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

Citations14
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207