pH‐Dependent Morphology Control of Cellulose Nanofiber/Graphene Oxide Cryogels
Notice bibliographique
Résumé
The precise control of the ice crystal growth during a freezing process is of essential importance for achieving porous cryogels with desired architectures. The present work reports a systematic study on the achievement of multi-structural cryogels from a binary dispersion containing 50 wt% 2,2,6,6-tetramethylpiperidin-1-oxyl, radical-mediated oxidized cellulose nanofibers (TOCNs), and 50 wt% graphene oxide (GO) via the unidirectional freeze-drying (UDF) approach. It is found that the increase in the sol's pH imparts better dispersion of the two components through increased electrostatic repulsion, while also causing progressively weaker gel networks leading to micro-lamella cryogels from the UDF process. At the pH of 5.2, an optimum between TOCN and GO self-aggregation and dispersion is achieved, leading to the strongest TOCN-GO interactions and their templating into the regular micro-honeycomb structures. A two-faceted mechanism for explaining the cryogel formation is proposed and it is shown that the interplay of the maximized TOCN-GO interactions and the high affinity of the dispersoid complexes for the ice crystals are necessary for obtaining a micro-honeycomb morphology along the freezing direction. Further, by linking the microstructure and rheology of the corresponding precursor sols, a diagram for predicting the microstructure of TOCN-GO cryogels obtained through the UDF process is proposed.
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 ».