A Facile Preparation of Super Long‐Term Stable Lignin Nanoparticles from Black Liquor
Notice bibliographique
Résumé
Abstract With the increase in lignin availability, materials derived from micro‐ and nano‐scale lignin developed rapidly. However, the tedious processes of raw‐lignin pretreatment and poor stability seriously restrict the large‐scale applications of lignin nanoparticles. To overcome these problems, in this work, a novel green and simple approach was developed to produce super long‐term stable lignin nanoparticles (LTSL NPs). The LTSL NPs were prepared directly from black liquor via an acid precipitation method. The obtained LTSL NPs exhibited well uniformity, excellent dispersibility, controllable size, and super long‐term stability in aqueous media (no apparent size increase or any particle precipitation for 90 days in neutral water medium). Analyses of nuclear magnetic resonance and ion chromatography revealed that LTSL NPs exhibited higher S/G ratio and higher content of hemicellulose comparing with the lignin nanoparticles which obtained from traditional solvent exchange (ethanol/H 2 O) method. In addition, the size of the LTSL NPs can be well controlled by tuning the degree of acid precipitation (the final pH value). This work not only can promote the development of lignin‐based nanomaterials, but also provides a promising utilization pathway for black liquor that simultaneously achieves the fabrication of lignin materials and hemicellulose application.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».