MétaCan
Menu
Retour à la cohorte
Enregistrement W3084307403 · doi:10.1063/5.0025916

Yielding of cellulose nanocrystal suspensions in the presence of electrolytes

2020· article· en· W3084307403 sur OpenAlexaff
Marziyeh Danesh, Damien Mauran, Sassan Hojabr, Richard Berry, Marek Pawlik, Savvas G. Hatzikiriakos

Notice bibliographique

RevuePhysics of Fluids · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensCelluForce (Canada)University of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRheologyBreakageYield (engineering)Shear (geology)NanocrystalColloidElectrolyteShear rateCelluloseAqueous solutionChemical engineeringChemical physicsPhysicsMaterials scienceNanotechnologyComposite materialPhysical chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

The rheological properties and yielding behavior of 1 wt. % aqueous sulfonated cellulose nanocrystals (CNCs) in the presence of monovalent (Na+) ions have been investigated. The introduction of more than 20 mM NaCl to the system causes aggregation of neutralized CNCs and leads to the formation of self-similar clusters, which grow in size until they form a three-dimensional network. In the present work, we report a comprehensive study of nonlinear rheology and yielding behavior of CNC/salt gels in steady shear and oscillatory experiments. Two yield stresses have been determined. The first yield stress at low shear rates is attributed to the disconnected CNC clusters as a result of bond breakage. The second yield point occurs at higher shear rates, and it is related to the deformation of clusters, where individual nanorods are nearly separated and dispersed. The existence of these two yield stresses has been identified in both steady-shear scans (high to low and low to high) as well as oscillatory experiments, resulting in consistent results.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,037
Tête enseignante GPT0,289
Écart entre enseignants0,252 · 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

Citations33
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207