Cellulose nanocrystals for gelation and percolation-induced reinforcement of a photocurable poly(vinyl alcohol) derivative
Notice bibliographique
Résumé
Nanomaterials are regularly added to crosslinkable polymers to enhance mechanical properties; however, important effects related to gelation behavior and crosslinking kinetics are often overlooked. In this study, we combine cellulose nanocrystals (CNCs) with a photoactive poly(vinyl alcohol) derivative, PVA-SbQ, to form photocrosslinked nanocomposite hydrogels. We investigate the rheology of PVA-SbQ with and without CNCs to decipher the role of each component in final property development and identify a critical CNC concentration (1.5 wt%) above which several changes in rheological behavior are observed. Neat PVA-SbQ solutions exhibit Newtonian flow behavior across all concentrations, while CNC dispersions are shear-thinning <6 wt% and gel at high concentrations. Combining semi-dilute entangled PVA-SbQ (6 wt%) with >1.5 wt% CNCs forms a percolated microstructure. In situ photocrosslinking experiments reveal how CNCs affect both the gelation kinetics and storage modulus (G') of the resulting hydrogels. The modulus crossover time increases after addition of up to 1.5 wt% CNCs, while no modulus crossover is observed >1.5 wt% CNCs. A sharp increase in G' is observed >1.5 wt% CNCs for fully-crosslinked networks due to favorable PVA-SbQ/CNC interactions. A percolation model is fitted to the G' data to confirm that mechanical percolation is maintained after photocrosslinking. A ∼120% increase in G' for 2.5 wt% CNCs (relative to neat PVA-SbQ) confirms that CNCs provide a reinforcing effect through the percolated microstructure formed from PVA-SbQ/CNC interactions. The results are testament to the ability of CNCs to significantly alter the storage moduli of crosslinked polymer gels at low loading fractions through percolation-induced reinforcement.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 |
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 tête enseignante, 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 ».