MétaCan
Menu
Retour à la cohorte
Enregistrement W4408231704 · doi:10.1021/acs.jpcb.4c08131

Another Possible Rationale for Foam Stability: The Quantity and Strength of Hydrogen Bonds at the Gas–Liquid Interface

2025· article· en· W4408231704 sur OpenAlexaff
Bao Xiao, Tianyu Liu, Dongdong Wang, Lei Tang, Lihua Zhou, Shaohua Gou

Notice bibliographique

RevueThe Journal of Physical Chemistry B · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiquePickering emulsions and particle stabilization
Établissements canadiensPetro-Canada
Organismes subventionnairesMaterial Corrosion and Protection Key Laboratory of Sichuan ProvinceSouthwest Petroleum University
Mots-clésInterface (matter)HydrogenHydrogen bondMaterials scienceStability (learning theory)Chemical engineeringComposite materialChemistryComputer scienceMoleculeEngineeringOrganic chemistryWetting

Résumé

récupéré en direct d'OpenAlex

This study examines the foams generated by three surfactants: sodium dodecyl sulfate (SDS), sodium dodecylbenzenesulfonate (SDBS), and sodium lauryl polyoxyethylene ether sulfate (AES). By analyzing the hydrogen bond at the gas-liquid interface, the research provides novel insights into the mechanisms by which surfactants stabilize foams. Surfactants adsorb at the gas-liquid interface, establishing hydrogen bonds with water molecules while simultaneously retarding the structural relaxation of water-water hydrogen bonds within the hydration layer. This phenomenon can impede drainage during the surface tension drainage phase. Surfactants that readily form hydrogen bonds with water are more likely to adsorb at the gas-liquid interface, thereby enhancing the foam stability. The presence of robust hydrogen bonds and the frequent reconstruction of these bonds contribute to the establishment of a stable hydrogen bond network, which can reinforce the gas-liquid film and potentially augment its elasticity, enabling it to better withstand external perturbations. Although the Marangoni effect typically promotes bubble coalescence, a stable hydrogen bond network may mitigate this process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,003
Score d'incertitude au seuil0,119

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,020
Tête enseignante GPT0,285
Écart entre enseignants0,265 · 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 tête enseignante, 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

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry BMême sujetPickering emulsions and particle stabilizationTravaux en français237 207