MétaCan
Menu
Retour à la cohorte
Enregistrement W4403155180 · doi:10.1016/j.ijbiomac.2024.136338

Cellulose fiber drainage improvement via citric acid crosslinking

2024· article· en· W4403155180 sur OpenAlexaff
Fuchun Huang, Zhongjian Tian, Yingchao Wang, Xingxiang Ji, Dongxing Wang, Pedram Fatehi

Notice bibliographique

RevueInternational Journal of Biological Macromolecules · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésCelluloseCitric acidCellulose fiberFiberDrainageChemistryChemical engineeringPulp and paper industryPolymer chemistryPolymer scienceMaterials scienceBiochemistryOrganic chemistryEcologyBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Wheat straw, as a non-wood fiber waste, is available worldwide and can be used in cellulosic matric production, promoting the application of sustainable materials. However, poor fiber properties and water drainage are the primary obstacles to its utilization. In this study, wheat straw pulp fibers were chemically crosslinked by citric acid (CA) in an environmentally friendly process. X-ray photoelectron spectroscopy and Fourier transform infrared spectra confirmed that the chemical treatment introduced carboxylic groups to cellulose fibers. Meanwhile, X-ray diffraction patterns showed that the crystallinity of cellulose was reduced. The average fiber length and water retention value of the pulp decreased with increasing CA dosage under the conditions of 3 mL/g CA 4 (4 wt% CA), and the drainage performance of the cellulose pulp improved by 21 %. Also, the crosslinking of fibers contributed to the mechanical properties of the cellulosic matrix, increasing the dry and wet strength by 21 % and 282 %, respectively. These results demonstrated that citric acid could be a sustainable method for improving the properties of wheat straw fibers, thereby promoting its application in fabricating sustainable 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,049
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,023
Tête enseignante GPT0,319
Écart entre enseignants0,296 · 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 tête enseignante, pas un consensus.

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

Citations15
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Biological MacromoleculesMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207