MétaCan
Menu
Retour à la cohorte
Enregistrement W3196694649 · doi:10.1016/j.ultsonch.2021.105747

Rheological insights on the evolution of sonicated cellulose nanocrystal dispersions

2021· article· en· W3196694649 sur OpenAlexafffund
Mélanie Girard, François Bertrand, Jason R. Tavares, Marie‐Claude Heuzey

Notice bibliographique

RevueUltrasonics Sonochemistry · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFPInnovations
Mots-clésSonicationSuspension (topology)AgglomerateRheologyDispersion (optics)Materials scienceCelluloseChemical engineeringNanocrystalNanotechnologyComposite material

Résumé

récupéré en direct d'OpenAlex

Cellulose nanocrystals (CNCs) are promising biomaterials, but their tendency to agglomerate when dried limits their use in several applications. Ultrasonication is commonly used to disperse CNCs in water, bringing enough energy to the suspension to break agglomerates. While the optimized parameters for sonication are now well defined for small volumes of low concentration CNC suspensions, a deeper understanding of the influence of the dispersing process is needed to work with larger volumes, at higher concentrations. Herein, rheology is used to define the distribution and dispersion states upon ultrasonication of a 3.2 wt% CNC suspension. After considering the importance of the measurement sampling volume, the behavior of a more concentrated suspension (6.4 wt%) is examined and compared with a never-dried suspension of the same concentration to validate the dispersion state.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,012
Score d'incertitude au seuil0,935

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,017
Tête enseignante GPT0,254
Écart entre enseignants0,237 · 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 tête enseignante, 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

Citations18
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUltrasonics SonochemistryMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207