MétaCan
Menu
Retour à la cohorte
Enregistrement W3007481449 · doi:10.1016/j.matdes.2020.108589

Improving lignocellulose thermal stability by chemical modification with boric acid for incorporating into polyamide

2020· article· en· W3007481449 sur OpenAlexafffund
Jingfa Zhang, Ahmed Koubaa, Dan Xing, Wanyu Liu, Qingwen Wang, Xiang‐Ming Wang, Haigang Wang

Notice bibliographique

RevueMaterials & Design · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensFPInnovationsUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésBoric acidThermal stabilityMaterials sciencePolyamideComposite materialCelluloseChemical engineeringOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

The preparation of bio-composites based on engineering plastic is always restricted by the low thermal stability of lignocellulose. In this study, the thermal stability of lignocellulose was improved by boric acid modification. Then, the borated lignocellulose was characterized to analyze the mechanism of involved in the improvement of thermal stability. Furthermore, the untreated and borated lignocellulose was combined with polyamide 6 to produce bio-composites. The effects of lignocellulose content and boric acid modification on the color, thermal stability and mechanical properties of the resulting composites were compared and analyzed. Boric acid protected lignocellulose from thermal degradation, increasing the lightness of the resulting composites. However, boric acid appeared to have a negative effect on the mechanical strength of the resulting composites. In summary, this study demonstrated that bio-composites based on engineering plastic could be prepared by improving the thermal stability of lignocellulose using a boric acid treatment.

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: 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
Métarecherche0,0000,000
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 Opus0,046
Tête enseignante GPT0,272
Écart entre enseignants0,226 · 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

Citations69
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterials & DesignMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207