MétaCan
Menu
Retour à la cohorte
Enregistrement W4402373032 · doi:10.1063/5.0224865

Colloid thermophoresis in surfactant solutions: Probing colloid–solvent interactions through microscale experiments

2024· article· en· W4402373032 sur OpenAlexafffund
Di Pu, Amirreza Panahi, Giovanniantonio Natale, Anne M. Benneker

Notice bibliographique

RevueThe Journal of Chemical Physics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueField-Flow Fractionation Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCanada First Research Excellence Fund
Mots-clésMicroscale chemistryColloidMicroscale thermophoresisThermophoresisPulmonary surfactantSolventChemistryChemical engineeringMaterials scienceChromatographyChemical physicsNanotechnologyNanoparticleOrganic chemistryNanofluid

Résumé

récupéré en direct d'OpenAlex

Thermophoresis has emerged as a powerful tool for characterizing and manipulating colloids at the nano- and micro-scales due to its sensitivity to colloid-solvent interactions. The use of surfactants enables the tailoring of surface chemistry on colloidal particles and the tuning of interfacial interactions. However, the microscopic mechanisms underlying thermophoresis in surfactant solutions remain poorly understood due to the complexity of multiscale interaction coupling. To achieve a more fundamental understanding of the roles of surfactants, we investigated the thermophoretic behavior of silica beads in both ionic and nonionic surfactant solutions at various background temperatures. We provide a complete mechanistic picture of the effects of surfactants on interfacial interactions through mode-coupling analysis of both electrophoretic and thermophoretic experiments. Our results demonstrate that silica thermophoresis is predominantly governed by the dissociation of silanol functional groups at silica-water interfaces in nonionic surfactant solutions, while in ionic surfactant solutions, the primary mechanism driving silica thermophoresis is the adsorption of ionic surfactants onto the silica surface.

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 Opus0,025
Tête enseignante GPT0,278
Écart entre enseignants0,253 · 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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Chemical PhysicsMême sujetField-Flow Fractionation TechniquesTravaux en français237 207