MétaCan
Menu
Retour à la cohorte
Enregistrement W4409225227 · doi:10.1021/acsnano.5c00464

Internal Microstructure Dictates Yielding and Flow of Jammed Suspensions and Emulsions

2025· article· en· W4409225227 sur OpenAlexaff
Léo Gury, Mario Gauthier, Jean‐Marc Suau, Dimitris Vlassopoulos, Michel Cloître

Notice bibliographique

RevueACS Nano · 2025
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueRheology and Fluid Dynamics Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesH2020 Marie Skłodowska-Curie ActionsEuropean Commission
Mots-clésMicrostructureMaterials scienceFlow (mathematics)RheologyNanotechnologyMechanicsComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

We propose a microstructural classification of jammed suspensions made of soft, deformable colloids with purely repulsive interactions. Three distinct classes of particles are identified, depending on their ability to accommodate topological constraints upon increasing concentration: emulsions with constant particle volume, noninterpenetrating microgels (without dangling ends), which deswell osmotically, and star polymers, which deswell and interpenetrate. Each class has a specific rheological response in transient and steady-state flows. The transient behavior of emulsion-like systems and noninterpenetrating microgel suspensions is characterized by a single colloidal yielding process, whereas dispersions of star-like particles exhibit both colloidal and polymeric yielding due to their fuzzy microstructure with dangling arms. The flow of emulsions and microgels or stars at relatively low concentrations is characterized by a single process that controls cooperative rearrangements. Deswelling and interpenetration mark a departure from this universality and lead to more complex flow mechanisms. This simple generic description of yielding and flow demonstrates the importance of the microstructure and at the same time serves as a powerful indicator of the internal microstructure of particles.

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)0,000
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 enseignants0,434
Score d'incertitude au seuil0,265

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,219
Écart entre enseignants0,215 · 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

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetRheology and Fluid Dynamics StudiesTravaux en français237 207