Green, Sustainable, and Melt-Compoundable PLA Composites Reinforced with Spray-Dried Lignocellulosic Nanofibrils for Enhanced Barrier and Mechanical Properties
Notice bibliographique
Résumé
This study presents the first integration of spray dried (SD), non-modified, lignocellulosic nanofibrils (LCNF) into polylactic acid (PLA) by melt blending. Originating from industrial forestry waste, SD LCNFs are an inexpensive, non-toxic, and abundantly accessible drop-in filler whose production is facile, continuous, and highly scalable. Addition of SD LCNF into PLA yields enhanced barrier and mechanical performance due to SD LCNF’s alteration of the crystalline microstructure and fracture dynamics. Incorporating 1–1.5 wt% of SD LCNFs into PLA results in significant enhancements: tensile strength by 32.8%, toughness by 44.6%, water vapor barrier performance by 38.8%, and oxygen barrier properties by 26.4%, compared to neat PLA. Their nucleating capability hastens isothermal crystallization of PLA composites by over 90%, enabling faster processing times. For the first time, in-situ polarized optical microscopy is used to visualize fracture toughening mechanisms in PLA under strain, revealing a direct link between mechanical property improvements and the role of SD LCNFs as craze nucleators in PLA. Additionally, the in-situ observation of crystallization kinetics highlights how SD LCNFs influences PLA microstructure, correlating these structural changes with enhanced barrier and mechanical properties. The composite’s optical clarity and UV shielding capabilities are assessed, confirming its potential for specialty packaging applications.
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 ».