Flocculation kinetics of precipitated calcium carbonate induced by electrosterically stabilized nanocrystalline cellulose
Notice bibliographique
Résumé
The interactions between precipitated calcium carbonate (PCC) and electrosterically stabilized nanocrystalline cellulose (ENCC), dissolved carboxylated cellulose (DCC), and a mixture of DCC and ENCC have been studied. ENCC can be produced by periodate, chlorite and TEMPO oxidations of cellulose fibers. It has a large surface area, a high carboxylated content and can be used as a high-performance reinforcement material. It is likely to effectively bind and flocculate with PCC to improve the properties of filled paper. Dissolved carboxylated cellulose (DCC) is produced together with ENCC in the oxidation reactions, and also has a high charge density. The flocculation of PCC induced by ENCC/DCC was measured by photometric dispersion analysis (PDA). It was demonstrated that ENCC or DCC adsorbed first on PCC particle surfaces due to electrostatic attractions, and subsequently ENCC or DCC induces flocculation between PCC. The repulsive electrostatic force reduces to zero when the isoelectric point of PCC particles is reached, allowing attractive van de Waals forces to dominate, resulting in maximum PCC flocculation. After the charge neutralization point was reached, more dissolved carboxylated cellulose adsorbed on the PCC particles, resulting in net negative charges on PCC surfaces, and dispersion of flocs due to electrostatic repulsion. For mixtures of dissolved carboxylated cellulose (DCC) and ENCC, DCC adsorbed faster on PCC than ENCC. Excess ENCC resulted in the exchange of DCC with ENCC, with ENCC particles able to bridge PCC. This mechanism was proved by photometric dispersion analysis and dynamic light scattering experiments.
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 | 0,000 | 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 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 ».