MétaCan
Menu
Retour à la cohorte
Enregistrement W7110593866

Impact of Weak Organic Acids as Coagulants on Tailoringthe Properties of Cellulose Aerogel Beads

2025· other· W7110593866 sur OpenAlexaboutno aff

Notice bibliographique

Revueelib (German Aerospace Center) · 2025
Typeother
Langue
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAerogelCelluloseRaw materialCitric acidPolysaccharideNanoporousHydrolysisHydrochloric acid
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cellulose is the most abundant polysaccharide on Earth and is well known for its renewability, biodegradability and chemical stability.1-2 We have been investigating the use of weak organic acids to tailor the properties of cellulose aerogel beads.3 The cellulose solution was prepared by using commercial cellulose in a mixture of NaOH, urea, and water as solvent.4 Three weak acids, acetic acid, lactic acid, and citric acid, and a strong acid, hydrochloric acid, were chosen as regeneration baths. The production of aerogel beads by conventional dropping technique was studied and optimized for each acid. The produced cellulose aerogels were characterized by nitrogen adsorption-desorption isotherm, BJH pore data analyses, density analyses, IR spectroscopy, scanning electron microscopy, and X-ray powder diffractometry, and their properties were compared. In common, all the aerogel beads showed interconnected nanofibrillar network. The pore size distribution was highly influenced by the acids employed for regeneration. High concentration of weak acids contributed to low shrinkage, high specific surface area and high pore volume. In conclusion, this study showed an alternate path way to tailor the properties of cellulose aerogel beads. Furthermore, cellulose from biomass waste can be used for such products too. Thus, hemp and flax from Canadian suppliers were used as starting material. Within the presentation an overview on the production of cellulose aerogels from various raw materials working under different conditions will be presented. Reference 1. Wang S., Lu A., and Zhang L., Prog. Polym. Sci., 53, 169-206, 2016. 2. Wong L. C., Leh C. P., and Goh C. F., Carbohydr. Polym., 264, 118036, 2021. 3. Costa D., Milow B., and Ganesan K., Chem. Eur. J., 30(51), e202401794, 2024. 4. Budtova T., and Navard P., Cellulose, 23(1), 5-55, 2015.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,203
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0040,004
Méta-épidémiologie (sens large)0,0050,003
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0040,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,021

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 Opus0,018
Tête enseignante GPT0,283
Écart entre enseignants0,265 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueelib (German Aerospace Center)Travaux en français237 207