Versatile Assembly of Metal–Phenolic Network Foams Enabled by Tannin–Cellulose Nanofibers
Notice bibliographique
Résumé
Abstract Metal–phenolic network (MPN) foams are prepared using colloidal suspensions of tannin‐containing cellulose nanofibers (CNFs) that are ice‐templated and thawed in ethanolic media in the presence of metal nitrates. The MPN facilitates the formation of solid foams by air drying, given the strength and self‐supporting nature of the obtained tannin–cellulose nanohybrid structures. The porous characteristics and (dry and wet) compression strength of the foams are rationalized by the development of secondary, cohesive metal‐phenolic layers combined with a hydrogen bonding network involving the CNF. The shrinkage of the MPN foams is as low as 6% for samples prepared with 2.5–10% tannic acid (or condensed tannin at 2.5%) with respect to CNF content. The strength of the MPN foams reaches a maximum at 10% tannic acid (using Fe (III) ions), equivalent to a compressive strength 70% higher than that produced with tannin‐free CNF foams. Overall, a straightforward framework is introduced to synthesize MPN foams whose physical and mechanical properties are tailored by the presence of tannins as well as the metal ion species that enable the metal–phenolic networking. Depending on the metal ion, the foams are amenable to modification according to the desired 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 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) | 0,000 | 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) | 0,000 | 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 ».