Lignin Particles for Multifunctional Membranes, Antioxidative Microfiltration, Patterning, and 3D Structuring
Notice bibliographique
Résumé
We introduce a new type of particle-based membrane based on the combination of lignin particles (LPs) and cellulose nanofibrils (CNF), the latter of which are introduced in small volume fractions to act as networking and adhesive agents. The synergies that are inherent to lignin and cellulose in plants are re-engineered to render materials with low surface energy (contact angle measurements) and can be rendered water-resistant with the aid of wet-strength agents (WSAs). Importantly, they are most suitable for antioxidative separation (ABTS •+ radical inhibition): membranes with uniform porous structures (air permeability and capillary flow porosimetry) allow effluent oxidation at 95 mL/cm 2, demonstrating, for the first time, the use of unmodified lignin particles in flexible membranes for active microfiltration. Moreover, the membranes are found to be nonfouling (protein adhesion and activity rate). The inherent properties of lignin, including UV radiation blocking capacity (UV transmittance analysis) and reduced surface energy, are further exploited in the development of tailorable and self-standing architectures that are almost entirely comprised of nonbonding LP (solids content as high as 92 w/w%). Despite such composition, the materials develop high toughness (oscillatory dynamic mechanical analysis), owing to the addition of minor amounts of CNF. Multifunctional materials based on thin films (casting), 3D structures (molding), and patterned geometries (extrusion deposition) are developed as a demonstration of the potential use of lignin particles as precursors of new material generation. Remarkably, our observations hold for spherical LPs since a much poorer performance was observed after using amorphous powder, indicating the role of size and shape in related applications.
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) | 0,000 | 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) | 0,001 | 0,001 |
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 ».