Process Mapping of the Sol–Gel Transition in Acid-Initiated Sodium Silicate Solutions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fabricating large-scale porous bioactive glass bone scaffolds presents significant challenges. This study aims to develop formable, in situ setting scaffolds with a practical gelation time of about 10 min by mixing 45S5 bioactive glass with sodium silicate (waterglass) and an acid initiator. The effects of pH (2-11), waterglass concentration (15-50 wt.%), and acid initiator type (phosphoric or boric acid) were examined to optimize gelation kinetics and microstructure. A 10 min gelation time was achieved with boric acid and phosphoric acid at various pH levels by adjusting the waterglass concentration. Exponential and polynomial models were proposed to predict gelation times in basic and acidic environments, respectively. The optical properties of the gels were studied qualitatively and quantitatively, providing insights into gelation kinetics and structure. Acidic gels formed smaller particles in a dense network (pores < 550 nm) with higher light transmittance, while basic gels had larger aggregates (pores ~5 µm) and lower transmittance. As the waterglass concentration decreased, pore size and transmittance converged in both groups. The onset of gelation was detected around 8 min using the derivative of light transmittance. This work identifies the key factors controlling waterglass gelation and their impact on gel structure, enabling the tailored creation of formable, in situ setting bioactive glass bone scaffolds.
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.
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 | 0,000 | 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) | 0,000 | 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 découle