MétaCan
Menu
Retour à la cohorte
Enregistrement W4388074297 · doi:10.1002/ppap.202300154

Plasma‐induced formation of coatings on vegetable ivory microparticles immersed in silicone oil: Enhancing surface coverage using natural products

2023· article· en· W4388074297 sur OpenAlexaff
Yuri Ferreira da Silva, Giana Almeida, Anderson Thiago Vasconcelos Veiga, Renata Nunes Oliveira, Patrick Perré, Renata Antoun Simão

Notice bibliographique

RevuePlasma Processes and Polymers · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesFundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do Rio de JaneiroCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorConselho Nacional de Desenvolvimento Científico e TecnológicoEuropean CommissionConseil départemental de la Marne
Mots-clésSilicone oilSilicone resinMaterials scienceSorptionChemical engineeringPorosityCoatingSiliconeParticle (ecology)Composite materialChromatographyChemistryOrganic chemistryAdsorption

Résumé

récupéré en direct d'OpenAlex

Abstract Aiming to enhance the potential applications of bioproducts, we developed an innovative approach for their hydrophobization using plasma activation of liquids. In this study, microparticles of vegetable ivory, a porous hygroscopic material, were treated by an air plasma jet while immersed in silicone oil. The in‐liquid plasma treatment formed coatings that reduced particle water vapor sorption. Pore surface coverage and sorption reduction were enhanced by mixing silicone oil with copaiba oil‐resin (Copaifera spp.). Mulateiro extract (Calycophyllum spruceanum) was not as effective, owing to a lower affinity with silicone oil. For the first time, we demonstrate the plasma‐induced coating formation on particles immersed in liquid mixtures, a process in which liquid–liquid interfacial properties play a fundamental role.

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 recherche0,0000,000
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 Opus0,029
Tête enseignante GPT0,254
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlasma Processes and PolymersMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207