MétaCan
Menu
Retour à la cohorte
Enregistrement W4226405313 · doi:10.1016/j.carpta.2022.100201

Effect of hydrophobic modification of cellulose nanocrystal (CNC) and salt addition on Pickering emulsions undergoing phase-transition

2022· article· en· W4226405313 sur OpenAlexaff
Parinaz Ataeian, Qingyue Shi, Marios A. Ioannidis, Kam Chiu Tam

Notice bibliographique

RevueCarbohydrate Polymer Technologies and Applications · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPickering emulsionSurface tensionChemical engineeringMaterials scienceAdsorptionNanocrystalEmulsionPhase (matter)Surface chargeParticle (ecology)DiffusionSurface energyCharge densitySurface modificationNanotechnologyThermodynamicsComposite materialChemistryOrganic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The charge density of emulsifiers determines the thermodynamics and kinetics adsorption properties at the oil-water interface of an emulsion. This study examines the rupture resistance and stability of the crystallized dispersed phase based on the partitioning capability of cellulose nanocrystals (CNCs) with different surface charges. The charge density of CNC particles was designed through salt addition and hydrophobic modification. The measurement of dynamic interfacial tension confirmed that the reduction of negative charge of CNC particles improves their Pickering stabilizer role. We observed that the interfacial tension displayed a sigmoidal profile with increasing time. The dynamic stability of the emulsion during phase transition of the oil phase was enhanced by increasing the interfacial particle accumulation via the reduction of surface charge of CNC. The results indicated based on the surface charge adjustment, a balance between diffusion rate and kinetic barrier adsorption of particles is required to achieve optimum system stability.

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 enseignants0,012
Score d'incertitude au seuil0,563

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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,277
Écart entre enseignants0,266 · 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

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCarbohydrate Polymer Technologies and ApplicationsMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207