A versatile multilayer liquid–liquid encapsulation technique
Notice bibliographique
Résumé
HYPOTHESIS: Generating multi-layer cargo using conventional methods is challenging. We hypothesize that incorporating a Y-junction compound droplet generator to encase a target core inside a second liquid can circumvent the kinetic energy dependence of the impact-driven liquid-liquid encapsulation technique, enabling minimally restrictive multi-layer encapsulation. EXPERIMENTS: Stable wrapping is obtained by impinging a compound droplet (generated using Y-junction) on an interfacial layer of another shell-forming liquid floating on a host liquid bath, leading to double-layered encapsulation. The underlying dynamics of the liquid-liquid interfaces are captured using high-speed imaging. To demonstrate the versatility of the technique, we used various liquids as interfacial layers, including magnetoresponsive oil-based ferrofluids. Moreover, we extended the technique to triple-layered encapsulation by overlaying a second interfacial layer atop the first floating interfacial layer. FINDINGS: The encapsulating layer(s) effectively protects the water-soluble inner core (ethylene glycol) inside the water bath. A non-dimensional experimental regime is established for successful encapsulation in terms of the impact kinetic energy, interfacial layer thickness, and the viscosity ratio of the interfacial layer and the outer core liquid. Using selective fluorescent tagging, we confirm the presence of individual shell layers wrapped around the core, which presents a promising pathway to visualize the internal morphology of final encapsulated 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».