Synthesis of Amphiphilic Mesoporous Silica Nanoparticles to Stabilize Pickering Emulsions for Enhanced Oil Recovery
Notice bibliographique
Résumé
Pickering emulsions stabilized by nanoparticles offer significant potential for enhanced oil recovery (EOR). Nanoparticle morphology critically governs emulsion stability. This study successfully synthesized novel amphiphilic mesoporous silica nanoparticles (MSNs) modified with alkyl chains (propyl, hexyl, octyl; denoted MSNs-Cn, n = 3, 6, 8) via a two-step method and systematically investigated their structure–performance relationship in stabilizing Pickering emulsions for EOR. The morphology and surface properties of MSNs and MSNs-Cn were characterized by Fourier transform infrared spectroscopy (FT-IR), transmission electron microscopy (TEM), scanning electron microscopy (SEM), zeta potential analysis, water contact angle measurements, and interfacial tensiometry. The emulsification capacity was evaluated through optical microscopy, static multiple light scattering (Turbiscan), and rotational rheometry, and it was found that MSNs modified with optimal hexyl chain grafting (MSNs-0.2C6) exhibited superior interfacial activity. Atomic force microscopy (AFM) and N 2 adsorption–desorption isotherms confirmed that enhanced surface roughness and a larger specific surface area (728.9 m 2 /g) significantly contributed to the emulsifying performance by promoting nanoparticle adsorption energy and capillary interactions at the oil–water interface. Core flooding experiments demonstrated that the MSNs-0.2C6-stabilized emulsion exhibited excellent EOR performance, with an increase in oil recovery of up to 19.6%. This study revealed the correlation and mechanism between the porous morphological characteristics of mesoporous silica nanoparticles and their interfacial activity, established a relevant theoretical model, and thereby promoted the development of nanoparticles in the field of EOR.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».