Correlating Cellulose Nanocrystal Particle Size and Surface Area
Notice bibliographique
Résumé
Cellulose nanocrystals (CNCs) are negatively charged nanorods that present challenges for characterization of particle size distribution and surface area-two of the common parameters for characterizing nanomaterials. CNC size distributions have been measured by two microscopy methods: atomic force microscopy (AFM) and transmission electron microscopy (TEM). The agreement between the two methods is good for length measurements, after taking into consideration tip-convolution effects for AFM. However, TEM widths are almost twice as large as AFM heights-an effect that we hypothesize is due to counting of a larger fraction of laterally associated CNCs in the TEM images. Overall, the difficulty of selecting individual particles for analysis and possible bias due to selection of a specific particle size during sample deposition are the main limitations associated with the microscopy measurements. The microscopy results were compared to Z-average data from dynamic light scattering, which is a useful method for routine analysis and for examining trends in size as a function of sample treatment. Measurements as a function of sonication energy were used to provide information on the presence of aggregates in the sample. Magic-angle-spinning solid-state NMR was employed to estimate the surface area of CNCs based on the ratio of integrated spectral intensities of resonances stemming from C4 sites at the crystallite surfaces and from all C4 sites. Our approach was adapted from the application of solid-state NMR to characterize larger cellulose microfibers and appears to provide a useful estimate that overcomes the limitations of using the BET method for measuring surface areas of highly aggregated nanomaterials. The solid-state NMR results show that the lateral dimension of the CNCs is consistent with that of elementary cellulose crystallites.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».