Fabrication and Characterization of Citric Acid-Modified Starch Nanoparticles/Plasticized-Starch Composites
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Starch nanoparticles (SN) were prepared by delivering ethanol as the precipitant into starch-paste solution dropwise. Citric acid (CA) modified SN (CASN) were fabricated with the dry preparation technique. According to the characterization of CASN with Fourier transform infrared, X-ray diffraction, rapid visco analyzer, and scanning electron microscopy (SEM), amorphous CASN could not be gelatinized in hot water because of the cross-linking, and most of CASN ranged in size from about 50 to 100 nm. The nanocomposites were also prepared using CASN as the filler in glycerol plasticized-pea starch (GPS) matrix by the casting process. SEM revealed that CASN was dispersed evenly in the GPS matrix. As shown in dynamic mechanical thermal analysis, the introduction of CASN could improve the storage modulus and the glass transition temperature of CASN/GPS composites. The tensile yield strength and Young's modulus increased from 3.94 to 8.12 MPa and from 49.8 to 125.1 MPa, respectively, when the CASN contents varied from 0 to 4 wt %. Moreover, the values of water vapor permeability decreased from 4.76 x 10(-10) to 2.72 x 10(-10) g m(-1) s(-1) Pa(-1). The improvement of these properties could be attributed to the good interaction between CASN filler and GPS matrix. The comprehensive application of green chemistry principles were demonstrated in the preparation of CASN and CASN/GPS composites.
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.
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 | 0,000 | 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 découle