Organic Green Corrosion Inhibitors Derived from Natural and/or Biological Sources for Conservation of Metals Cultural Heritage
Notice bibliographique
Résumé
Abstract In the last decade, there has been an increase in research related to green corrosion inhibitors for conservation of metals cultural heritage to help promote sustainable practices in the field that are safe, environmentally friendly, and ecologically acceptable. The most common are organic substances derived either from natural and/or biological sources: plant extracts and oils, amino acids, microorganisms, and biopolymers. The chapter will provide a review of these substances as corrosion inhibitors for metals conservation, by discussing the state-of-the-art research to date, with a special focus on cysteine. Most of the research has focused on the examination of such inhibitors on metal coupons with or without corrosion products using electrochemical techniques or weight-loss measurements to determine their effectiveness. Some of these studies have also considered the conservation principles for practice, i.e., reversibility of the treatment and the visual aspect of the modification of the treated metal surface. However, before such green inhibitors can be routinely applied by conservators, more research is required on their application to real artefacts/monuments using in situ corrosion measurements. Furthermore, given that the composition of a green inhibitor is highly dependent on its extraction process, research must also involve identifying the specific adsorption models and involved mechanisms to ensure reproducibility of 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 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) | 0,001 | 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) | 0,005 | 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 ».