Optically transparent nanocomposites reinforced with modified biocellulose nanofibers
Notice bibliographique
Résumé
Abstract The objective of this study is to produce a class of optically transparent nanostructured biocomposites composed of surface‐modified bacterial cellulose (BC) nanofibers reinforced into poly(hydroxyethyl methacrylate) (PHEMA) hydrogel matrix. The surface of BC was first modified by fibrous heterogeneous acetylation to preserve the BC nanofibrillar morphology, followed by graft copolymerization with PHEMA hydrogel by free‐radical mechanisms using benzoyl‐peroxide as a radical initiator. A series of samples of grafted nanofiber having different degrees of acetylation and graft yields were produced and characterized using NMR, FTIR, and gravimetry. The maximum degree of acetylation obtained in this study was 2.3% and the maximum graft yield was 82.35 %.The modified nanofibers were thereafter reinforced into a polymeric matrix of PHEMA to form the final transparent biocomposite. The nanofiber‐network‐reinforced PHEMA polymer composite sample containing 1% (w/w) nanofiber transmitted over 80% of the light, while samples with less than 1% (w/w) nanofibrillar content exhibited higher light transmittances. The loss of transparency in the nanocomposite was small, despite the differences of refractive indices of BC and PHEMA. Increasing content of the BC nanofibers in the composite up to 1.4% (w/w) increased its water holding capacity up to 48.7% compared to the reference sample. This class of transparent nanostructured cellulose‐based hydrogel composite provides unique fluid handling capability of absorption and donation. These characteristics are essential for several applications as optically functional materials in addition to several biomedical applications. © 2012 Wiley Periodicals, Inc. J Appl Polym Sci, 2012
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».