MétaCan
Menu
Retour à la cohorte
Enregistrement W3003756596 · doi:10.1039/d0nh00016g

Reducing end modification on cellulose nanocrystals: strategy, characterization, applications and challenges

2020· review· en· W3003756596 sur OpenAlexaff
Han Tao, Nathalie Lavoine, Feng Jiang, Juntao Tang, Ning Lin

Notice bibliographique

RevueNanoscale Horizons · 2020
Typereview
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensVancouver Biotech (Canada)University of British Columbia
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésCelluloseNanocrystalCharacterization (materials science)NanotechnologyMaterials scienceSurface modificationChemical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Different from traditional chemical surface modification, localized modification of the reducing end groups of cellulose nanocrystals (CNCs), i.e. the active aldehyde groups, provides new opportunities for diverse functional applications of this renewable nanomaterial without altering its surface chemistry and properties. Numerous reviews have deeply discussed the surface modification of the hydroxyl groups of CNCs, but no critical comment has been reported on the reducing end modification approach. This review is a comprehensive summary on the modification of the CNC reducing end, presenting the reaction mechanisms and conditions, discussing the different chemical modification strategies and characterization techniques, potential applications and future challenges in this field. In addition, the comparison between surface and end modification strategies of CNCs will highlight the potential of reducing end-functionalized CNCs to be used in various applications as an alternative to traditional surface-modified CNCs, or as additional functional nanoparticles for the design of advanced functional materials.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,341
Écart entre enseignants0,249 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations112
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscale HorizonsMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207