Chiral nematic cellulose nanocrystal composites: An organized review
Notice bibliographique
Résumé
Abstract Cellulose nanocrystals (CNCs) are commercially available materials derived from cellulose, the most abundant biopolymer on our planet. Due largely to their high strength, high surface area‐to‐volume ratio, tailorable surface chemistry, and the abundance of biomass feedstocks with which to produce them, CNCs have attracted significant interest in applications spanning the paints and coatings, composites, packaging, and biomedical sectors. However, and perhaps most interestingly, CNCs will self‐assemble (or, as I've teased in the title, organize ) to form highly ordered chiral nematic liquid crystal phases when concentrated in suspension. Upon complete solvent evaporation, this chiral nematic order is ‘locked’, yielding films with structural colour—colour arising not due to chemical pigments, but rather due to the physical structure of a material itself. In the pursuit of novel multi‐functional materials, research interest has shifted recently towards the incorporation of functional additives to form composite chiral nematic films. Along with introducing the basics of liquid crystals and self‐assembly, this review discusses the main approaches used in order to form CNC‐based composite films: co‐assembly, templating, and post‐processing, and highlights exceptional examples in each case. Finally, I give my uniquely Canadian perspective on the current status, future prospects, and major challenges associated with the development of CNC‐based chiral nematic composite materials.
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 | 0,001 | 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 ».