MétaCan
Menu
Retour à la cohorte
Enregistrement W4311904976 · doi:10.1021/acsfoodscitech.2c00289

Cellulose Nanocrystals Examined by Atomic Force Microscopy: Applications and Fundamentals

2022· article· en· W4311904976 sur OpenAlexaff
Aref Abbasi Moud

Notice bibliographique

RevueACS Food Science & Technology · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCharacterization (materials science)NanotechnologyMaterials scienceAtomic force microscopyNanoscopic scaleParticle (ecology)Nanoparticle

Résumé

récupéré en direct d'OpenAlex

Cellulose nanocrystals (CNCs) are nanoscale particles with huge surface areas, excellent mechanical properties, and the ability to develop tunable surface chemistry, thus allowing them to be mixed into a wide range of matrices. Using atomic force microscopy (AFM), we highlight recent developments in the microstructural characterization of CNC particles in various shapes at both particle and organization scales. Considering new uses for CNC suspensions and gels and given the considerable potential of CNC-based products in medicinal, energy, cosmetics, filtration, and food applications, leveraging existing state-of-the-art characterization technologies such as AFM to improve CNC-produced properties cannot be ruled out. AFM may be used as a probe to disclose more intimate information about CNCs and can show modulus, size, and morphology in comparison to other characterization tools. AFM based on the literature review here was found to be a good assessment tool to verify the state of interaction, the adhesion strength of certain particles or chemicals, and the mechanical properties of CNCs. Thus, in tandem with other technologically advanced characterization tools, knowledge provided here for proper assessment of CNCs is necessary. Based on the AFM application currently widespread on CNCs, it appears that more research efforts are needed to provide additional cues regarding CNC individual states or the organized state (isotropic or liquid crystalline) for future sustainable, ecofriendly product designs based on CNCs.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,014
Tête enseignante GPT0,288
Écart entre enseignants0,274 · 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

Citations25
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Food Science & TechnologyMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207