On the Potential of Upcycling Plastic Wastes to Carbon-Capturing Materials Using Supercritical Fluid-Assisted Injection Molding Process
Notice bibliographique
Résumé
<div>With the extensive production and widespread use of plastics, the issue of environmental pollution caused by plastic waste has become increasingly prominent. Consequently, researchers have been focusing on developing efficient methodologies for upcycling waste plastics and converting them into value-added materials. This hybrid review–conceptual article first provides an overview of strategies for upcycling waste plastic into carbon-capturing materials. It presents carbonization and activation as key steps in converting plastic waste into adsorbent materials and explores strategies for converting common waste plastics. Building upon this foundation, the article introduces and conceptualizes a novel upcycling approach with two manufacturing routes to convert plastic waste into carbon-capturing materials using supercritical fluid (ScF)-assisted injection molding process. It continues by investigating the potential of developing lightweight components made of such carbon-capturing materials for transportation and construction applications. Through a combination of review and conceptual exploration, this research demonstrates that the ScF-assisted foaming process can effectively convert plastic waste into materials with enhanced mechanical properties and effective carbon dioxide (CO<sub>2</sub>) absorption capacity. Successful realization of this concept will be a promising advancement in developing sustainable materials and technologies that can contribute to mitigating the negative effects of both plastic waste and CO<sub>2</sub> emission, hence supporting the shift toward sustainable, environment-friendly transportation.</div>
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 | 0,001 | 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 ».