Monodispersed Renewable Particles by Cascade and Density Gradient Size Fractionation to Advance Lignin Nanotechnologies
Notice bibliographique
Résumé
Control over particle size and shape heterogeneity is highly relevant to the design of photonic coatings and supracolloidal assemblies. Most developments in the area have relied on mineral and petroleum-derived polymers that achieve well-defined chemical and dimensional characteristics. Unfortunately, it is challenging to attain such control when considering renewable nanoparticles. Herein, a pathway toward selectable biobased particle size and physicochemical profiles is proposed. Specifically, lignin is fractionated, a widely available heterogeneous polymer that can be dissolved in aqueous solution, to obtain a variety of monodispersed particle fractions. A two-stage cascade and density gradient centrifugation that relieves the need for solvent pre-extraction or other pretreatments but achieves particle bins of uniform size (~60 to 860 nm and polydispersity, PDI<0.06, dynamic light scattering) along with characteristic surface chemical features is introduced. It is found that the properties and associated colloidal behavior of the particles are suitably classified in distinctive size populations, namely, i) nanoscale (50-100 nm), ii) photonic (100-300 nm) and iii) near-micron (300-1000 nm). The strong correlation that exists between size and physicochemical characteristics (molar mass, surface charge, bonding and functional groups, among others) is introduced as a powerful pathway to identify nanotechnological uses that benefit from the functionality and cost-effectiveness of biogenic particles.
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 ».