Processing, Carbonization, and Characterization of Lignin Based Electrospun Carbon Fibers: A Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Greenhouse gas emissions and environmental impacts of petroleum-based fuels and materials have necessitated the development of renewable resource-based alternatives. In the process to extract cellulose for converting it to bioethanol (bio-based gasoline) large quantities of lignin are produced as the main byproduct-making it useful for further processing application for sustainable materials. Lignin is the second abundant source of renewable carbon with an aromatic structure which makes it a potential candidate for carbon fiber production. Since lignin can be dissolved in a variety of organic and non-organic solvents, electrospinning has been used to produce precursor fibers for carbon nanofiber production. These carbon nanofibers have been tested as a potentially sustainable alternative for the current non-renewable electrodes in energy storage and conversion devices such as supercapacitors. Using lignin by-products from the fuel energy sector in making devices for electrical energy sector provides a great opportunity for promoting a circular economy from sustainable materials while also contributing to researching alternative sustainable materials in light of a global pandemic. This review presents a summary of the processing conditions for electrospinning different varieties of lignin, characterization of the electrospun fibers and the carbonization conditions for converting fibers. Different techniques that of the structural properties of the precursor fibers, characteristics of carbon nanofibers and their performance in energy storage devices are discussed. Compared to the other published reviews in this field, this review aims to present the current knowledge on material-processing-lignin-carbon fibers properties relationship.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle