MétaCan
Menu
Retour à la cohorte
Enregistrement W4409956042 · doi:10.5539/apr.v17n1p158

Investigation and Monitoring of Rheological Behavior of Mg(OH)2 Nanoparticles at the Water / Oil Interface

2025· article· en· W4409956042 sur OpenAlexvenueno aff
Papa Mady Sy, Nicolas Anton, Sidy Mouhamed Dieng, Alphonse Rodrigue Djiboune, A. Faye, Louis Augustin Diaga Diouf, Boucar Ndong, Gora Mbaye, Thierry Vandamme, Mounibé Diarra

Notice bibliographique

RevueApplied Physics Research · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesUniversité de Strasbourg
Mots-clésRheologyMaterials scienceNanoparticleInterface (matter)Chemical engineeringComposite materialNanotechnologyContact angle

Résumé

récupéré en direct d'OpenAlex

Objectives of this study focused is understanding the mechanisms involved in the stabilization of water / oil interfaces by solid nanoparticles (NPs). Magnesium hydroxide of different sizes and in different electrolyte concentrations were studied and compared, at a model water / cyclohexane interface, in a drop tensiometer. Gradual interfacial adsorption of NPs, initially dispersed in water, were followed by tensiometry and the interfacial behavior of NPs layers were characterized by two-dimensional rheology. Owing to the direct relationship between emulsion stability and the interfacial properties of these layers, different nanoparticulate systems were compared, magnesium hydroxide (Mg(OH)2) NPs, with different size. In addition, the concentration of electrolytes (NaCl) in the bulk phase was shown to induce a partial NPs aggregation (so-called NPs flocs), with an important incidence on the interfacial layer stability. Theoretical phase shift was calculated from Winter and Chambon models corresponding to a two-dimensional gel behavior at the gel-point. This interfacial gelation results in strengthening the interfacial layer, and is actually a considerable advantage in the stabilization of Pickering emulsions.

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 enseignants0,020
Score d'incertitude au seuil0,176

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 Opus0,053
Tête enseignante GPT0,337
Écart entre enseignants0,284 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physics ResearchMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207