Flax nanofibrils production via supercritical carbon dioxide pre‐treatment and enzymatic hydrolysis
Notice bibliographique
Résumé
Abstract Flax fibres are an agro‐industrial waste available in large quantities in several countries around the world. This resource can be properly used. The goal of this work was to extract lignocellulosic nanosized flax fibres using an environmentally friendly process based on a combination of supercritical carbon dioxide (SC‐CO2) pre‐treatment and enzymatic hydrolysis. Raw flax fibres (RFF) were submitted to a SC‐CO2 pre‐treatment at various temperatures (ie, 70°C and 80°C) and pressures (ie, 20 and 37.7 MPa) for 60 minutes. The enzymatic hydrolysis was performed at 40°C for 24 hours in a pH 4.0 buffer. Cellulase, xylanase, pectinase, and viscozyme were used as hydrolytic enzymes. The as‐received raw flax fibres, SC‐CO2 pretreated flax fibres, and extracted lignocellulosic nanofibrils (LCNF) were characterized by Fourier transformed infrared spectroscopy (FTIR), x‐ray diffraction (XRD), scanning electron microscopy (SEM), and transmission electron microscopy (TEM). It was shown that the effect of the SC‐CO2 pre‐treatment of flax fibres was two‐fold. It helped to disorganize biomass without changing its chemical composition and it increased access to enzymes to extract LCNF. The FTIR analysis showed no changes in the functional groups after SC‐CO2 pre‐treatment. The XRD characterization revealed that the crystallinity increased with the SC‐CO2 pre‐treatment and LCNF extraction. SEM images showed holes, cracks, and erosion on the surface of the SC‐CO2 pretreated flax fibres (SC‐CO2‐PFF). TEM evidenced the production of nano/micro‐sized fibril and fibril aggregates.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,001 | 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 ».