Microbubble-enhanced cold plasma activation (MB-CPA) for surface functionalization of polymer nanoparticles from nanoprecipitation
Notice bibliographique
Résumé
Cold plasma activation has been considered as a green and effective technological approach for functionalization of solid surfaces. In the current study, we introduce a versatile technique known as microbubble-enhanced cold plasma activation (MB-CPA) for surface modification of polymer plates and nanoparticles in flowing liquid phase. Corona plasma is generated at the inlet of a venturi tube, thereby creating a highly excited state in the air. Reactive nitrogen and oxygen species (RNOS) are transferred from the gas phase to the suspension flow in the form of plasma microbubbles. Two types of polymer-based nanoparticles in the suspension, namely polymethyl methacrylate (PMMA) of 16–154 nm and polycaprolactone (PCL) of 30–225 nm, are synthesized using nano-precipitation method. Through the degradation of model compounds, the polar organic solvent, acetone and ethanol, is found to promote or suppress the production of active species. In addition, the efficiency of the MB-CPA treatment depends on the solvent composition, making this technology a controllable and efficient strategy for the surface modification of nanoparticles. The findings indicate that plasma activation effectively reduces the negative surface zeta-potentials and induces aggregation and separation in the suspensions. The infrared spectra of the treated nanoparticles reveal that plasma activation leads to the formation of N[sbnd]H and C[sbnd]N bonds situated on the surface of PMMA. Our work demonstrates that organic-solvent involved MB-CPA emerges as a promising method for the surface modification of nanoparticles in the flow condition.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».