MétaCan
Menu
Retour à la cohorte
Enregistrement W2968114126 · doi:10.32964/tj15.6.419

Effects of mechanical fibrillation time by disk grinding on the properties of cellulose nanofibrils

2016· article· en· W2968114126 sur OpenAlexaboutno aff
Qianqian Wang, Jiayi Zhu

Notice bibliographique

RevueTAPPI Journal · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrindingOpacityCrystallinityUltimate tensile strengthMaterials scienceComposite materialDegree of polymerizationSuspension (topology)CelluloseModulusYoung's modulusPulp (tooth)Tear resistancePolymerizationPolymerChemistryOrganic chemistryMathematics

Résumé

récupéré en direct d'OpenAlex

Cellulose nanofibrils (CNF) were successfully produced from a bleach kraft eucalyptus pulp by a supermasscolloider. Effects of grinding time on structure and properties of CNF and the corresponding CNF films were investigated. Grinding time was important to increase the optical transparency of CNF suspensions. The degree of polymerization (DP) and crystallinity index (CrI) of CNF decreased linearly with the increase in CNF suspension transparency. This suggests optical transparency of a CNF suspension can be used to characterize the degree of fibrillation. Specific tensile strength and Young’s modulus of the CNF films made of CNF suspension with only 0.5 h grinding were increased approximately 30% and 200%, respectively, compared with conventional handsheets prepared by valley beating to 300 Canadian Standard Freeness (CSF). Energy input was only 1.38 kWh/kg for 0.5 h grinding. Grinding beyond 0.5 h produced negligible improvement in specific tensile and specific modulus. Opacity of CNF films decreased rapidly during the first 1.5 h of fibrillation and then plateaued.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,244
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTAPPI JournalMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207