MétaCan
Menu
Retour à la cohorte
Enregistrement W3197785030 · doi:10.3390/polym13183044

Polymerizable Choline- and Imidazolium-Based Ionic Liquids Reinforced with Bacterial Cellulose for 3D-Printing

2021· article· en· W3197785030 sur OpenAlexaff
М. А. Смирнов, Veronika S. Fedotova, Maria P. Sokolova, Alexandra L. Nikolaeva, Vladimir Yu. Elokhovsky, Mikko Karttunen

Notice bibliographique

RevuePolymers · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensWestern University
Organismes subventionnairesRussian Science Foundation
Mots-clésIonic liquidCelluloseBacterial celluloseMaterials scienceCholinePolymer chemistryChemical engineeringBiocompatible materialIonic bonding3D printingIonOrganic chemistryChemistryComposite materialBiomedical engineeringCatalysisBiochemistry

Résumé

récupéré en direct d'OpenAlex

In this work, a novel approach is demonstrated for 3D-printing of bacterial cellulose (BC) reinforced UV-curable ion gels using two-component solvents based on 1-butyl-3-methylimidazolium chloride or choline chloride combined with acrylic acid. Preservation of cellulose's crystalline and nanofibrous structure is demonstrated using wide-angle X-ray diffraction (WAXD) and atomic force microscopy (AFM). Rheological measurements reveal that cholinium-based systems, in comparison with imidazolium-based ones, are characterised with lower viscosity at low shear rates and improved stability against phase separation at high shear rates. Grafting of poly(acrylic acid) onto the surfaces of cellulose nanofibers during UV-induced polymerization of acrylic acid results in higher elongation at break for choline chloride-based compositions: 175% in comparison with 94% for imidazolium-based systems as well as enhanced mechanical properties in compression mode. As a result, cholinium-based BC ion gels containing acrylic acid can be considered as more suitable for 3D-printing of objects with improved mechanical properties due to increased dispersion stability and filler/matrix interaction.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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)0,0010,001

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 Opus0,015
Tête enseignante GPT0,268
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

Citations32
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207