MétaCan
Menu
Retour à la cohorte
Enregistrement W2096909042 · doi:10.21083/surg.v3i2.1132

Nanoscience in nature: cellulose nanocrystals

2010· article· en· W2096909042 sur OpenAlexvenueno aff
Isdin Oke

Notice bibliographique

RevueSURG Journal · 2010
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNanomaterialsCelluloseCrystallinityNanotechnologyNanocrystalMaterials sciencePolymerTransmission electron microscopyAtomic force microscopyExtraction (chemistry)ChemistryComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Nanoscience, the study of materials so small that not even light can capture them, seeks to unravel and understand the building blocks of our planet. Nature, perhaps the most talented nanoscientist, has created very remarkable biological nanomaterials including proteins, lipids and polysaccharides. This article will explore a very unique nanomaterial, derived from cellulose, that has received great academic and industrial interest over the last few years. Cellulose nanocrystals are shards of a very common polymer and possess a number of interesting properties including a high aspect ratio and large tension modulus. Cellulose nanocrystal structure can be manipulated during the extraction procedure to control size, degree of crystallinity and surface charge. Furthermore the crystals can be functionalized with surface functional groups, including sulfate esters, and successfully incorporated into polymer matrices. This article will explore physical and chemical extraction procedures, and characterization techniques including atomic force microscopy, transmission electron microscopy and x-ray diffraction. Finally, the future promise of cellulose nanocrystals will be discussed including potential applications in electronics, materials and medical industries.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,012
Tête enseignante GPT0,297
Écart entre enseignants0,285 · 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

Citations19
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSURG JournalMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207