The sol–gel transition of ultra-low solid content TEMPO-cellulose nanofibril/mixed-linkage β-glucan bionanocomposite gels
Notice bibliographique
Résumé
We present the preparation, morphological analysis, and rheological characterization of ultra-low solid content gels prepared by physically cross-linking TEMPO-oxidized cellulose nanofibrils (TEMPO-CNF) with the soluble plant-cell-wall polysaccharide, mixed-linkage β-glucan (MLG). Of particular note, gel formation was rapidly induced by very small amounts of MLG (e.g. 0.125% w/v) at extremely low TEMPO-CNF concentration (0.05% w/v), which independently were otherwise fluid and thus easily handled. Rheology of these bionanocomposite gel systems as a function of MLG and TEMPO-CNF concentrations revealed that the critical gel concentration of MLG and TEMPO-CNF followed a power-law relation of the concentration of the other component. Surprisingly, these systems also exhibited an additional transition to thick gels at high TEMPO-CNF and MLG concentrations that was visible only at low frequencies. Cryogenic scanning electron microscopy (cryo-SEM) imaging of admixture solutions and gels revealed increased network crowding with increasing MLG amounts. The data are consistent with the hypothesis that non-covalent cellulose-MLG interactions, analogous to those occurring within plant cell walls, drive gel formation. The ability to tune gel physical properties simply by controlling CNF (a promising forest bioproduct) and MLG (a readily available agricultural polysaccharide) fractions at very low solid and polymer content opens new possibilities for material applications in diverse 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 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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 | 0,002 |
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.
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 ».