Tailoring adhesion of anionic surfaces using cationic PISA-latexes – towards tough nanocellulose materials in the wet state
Notice bibliographique
Résumé
Cationic latexes with Tgs ranging between -40 °C and 120 °C were synthesised using n-butyl acrylate (BA) and/or methyl methacrylate (MMA) as the core polymers. Reversible addition-fragmentation chain transfer (RAFT) combined with polymerisation-induced self-assembly (PISA) allowed for in situ chain-extension of a cationic macromolecular RAFT agent (macroRAFT) of poly(N-[3-(dimethylamino)propyl] methacrylamide) (PDMAPMA), used as stabiliser in so-called surfactant-free emulsion polymerisation. The resulting narrowly distributed nanosized latexes adsorbed readily onto silica surfaces and to model surfaces of cellulose nanofibrils, as demonstrated by quartz crystal microbalance with dissipation monitoring (QCM-D) measurements. Adsorption to anionic surfaces increased when increasing ionic strength to 10 mM, indicating the influence of the polyelectrolyte effect exerted by the corona. The polyelectrolyte corona affected the interactions in the wet state, the stability of the latex and re-dispersibility after drying. The QCM-D measurements showed that a lower Tg of the core results in a more strongly interacting adsorbed layer at the solid-liquid interface, despite a comparable adsorbed mass, indicating structural differences of the investigated latexes in the wet state. The two latexes with Tg below room temperature (i.e. PBATg-40 and P(BA-co-MMA)Tg3) exhibited film formation in the wet state, as shown by AFM colloidal probe measurements. It was observed that P(BA-co-MMA)Tg3 latex resulted in the largest pull-off force, above 200 m Nm-1 after 120 s in contact. The strongest wet adhesion was achieved with PDMAPMA-stabilized latexes soft enough to allow for interparticle diffusion of polymer chains, and stiff enough to create a strong adhesive joint. Fundamental understanding of interfacial properties of latexes and cellulose enables controlled and predictive strategies to produce strong and tough materials with high nanocellulose content, both in the wet and dry state.
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 | 0,000 | 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 ».