MétaCan
Menu
Retour à la cohorte
Enregistrement W4410632113 · doi:10.1021/acs.analchem.5c00781

SONIC: A Speed of Sound Measurement for Nanobubble Characterization

2025· article· en· W4410632113 sur OpenAlexafffund
Sunaina Sunaina, Tatek Temesgen, Peter G. Kusalik, Kelly Rees, Yihao Wang, W. Russ Algar, Susana Y. Kimura

Notice bibliographique

RevueAnalytical Chemistry · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensUniversity of British ColumbiaUniversity of Calgary
Organismes subventionnairesAlberta InnovatesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanada Foundation for Innovation
Mots-clésChemistryCharacterization (materials science)Speed of soundSound (geography)AcousticsNanotechnology

Résumé

récupéré en direct d'OpenAlex

Nanobubbles (NBs)─gas inclusions in water with diameters <1 μm─are of growing interest because of their unique properties and their potential for transformative applications. For example, it has been reported that NBs exist in water over long periods (i.e., weeks to months) and can act as free gas reservoirs. However, NBs are a source of scientific debate, particularly regarding characterization methods. Conventional methods, such as dynamic light scattering, nanoparticle tracking analysis, and nanoflow cytometry, cannot distinguish between nanoparticles and NBs since they are insensitive to the differences of the physical properties of the materials. However, acoustic (speed of sound) measurements can be used to quantify NBs because they rely on the compressibility dependence of gases (κ gas ) which is considerably larger than liquids (κ water ) and solids. In the present work, a speed of sound measurement for nanobubble characterization (SONIC) was designed and developed to probe the compressibility variations diagnostic to NBs in water. NBs in water act as acoustic scatters that reduce the speed of sound relative to the bubble-free water. This decrease in the speed of sound can only be attributed to the existence of gas bubbles due to the strong compressibility dependence that solid nanoparticles lack. The results obtained from the acoustic measurements are compared with the observations from nanoparticle tracking analysis to confirm the existence of NBs in water. SONIC was validated in water with different molalities of NaCl (aq), and in the presence of solid nanoparticles of similar size and concentration to the NBs. SONIC is the first technique that addresses an important bottleneck of NB characterization by providing accurate and selective characterization of NBs in complex water mixtures that will help the behavior of NBs to be better understood and accelerate their application in many fields.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,025
Tête enseignante GPT0,287
Écart entre enseignants0,262 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207