MétaCan
Menu
Back to cohort
Record W2908072702

Wood modifications for valued-added applications using nanotechnology-based approaches

2007· article· en· W2908072702 on OpenAlexfundaboutno aff
Xiaolin Cai

Bibliographic record

VenueCorpus Université Laval (Université Laval) · 2007
Typearticle
Languageen
FieldEngineering
TopicArchitecture and Computational Design
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of CanadaFPInnovationsFonds Québécois de la Recherche sur la Nature et les Technologies
KeywordsNanotechnologyMaterials science
DOInot available

Abstract

fetched live from OpenAlex

Le développement de produits en bois transformés et ayant de la valeur ajoutée présente une occasion importante de bénéficier des ressources naturelles canadiennes pour l'industrie des produits en bois. Optimiser l’emploi de la ressource de la forêt par l'amélioration des traitements est une bonne manière d’ajouter une valeur ajoutée aux produits en bois. Nos objectifs ont visé le marché des produits d'application de plancher par un procédé approprié de modification du bois de mauvaise qualité. La combinaison de l'imprégnation, de la nanotechnologie et de l’utilisation de produits chimiques est une approche prometteuse pour améliorer les propriétés du bois telles que la dureté, la résistance à l'abrasion et la stabilité dimensionnelle. L'application de la nanotechnologie dans ce projet a fourni une nouvelle méthodologie pour développer des produits à valeur ajoutée pour l'industrie des produits en bois. \nLes nanocomposites en bois et polymère ont été préparés à partir du bois massif de peuplier (Populus tremuloides), de la résine hydrosoluble de type mélamine-urée-formaldéhyde (MUF), et de nanoargiles de silicates d'aluminium, appelées ‘montmorillonites’. Des nanoargiles hydrophiles et hydrophobes de montmorillonite ont été ajoutés aux MUF. La dispersion des nanoargiles est d’importance cruciale pour maximiser l'avantage de cet ajout de nanoparticules. À cette fin, les nanoargiles de montmorillonite ont été broyées et rectifiés avec un moulin à billes avant d'être mélangés à de la résine MUF et imprégnées dans le bois. Le bois a été imprégné de résine MUF, qui a polymérisé in situ dans certaines conditions.\nL'influence des nanoparticules de montmorillonite sur le comportement du bois suite au traitement avec de la résine MUF et les propriétés de visco-élasticité ont été étudiées par la calorimétrie à balayage différentiel (DSC) et l'analyse de DMTA (analyse thermique mécanique dynamique).\nDes améliorations significatives des propriétés physiques et mécaniques, telles que la dureté, la résistance à l'abrasion et le module d'élasticité (MOE) ont été obtenues pour les spécimens imprégnés de mélanges de résine MUF et de résines nanoargile-MUF. Des améliorations significatives de résistance à l'eau et de stabilité dimensionnelle ont été obtenues pour le bois traité par nanorenfort/MUF. L'efficacité antigonflante (ASE) a été améliorée de 63.3% à 125.6% pour le bois traité par nanorenfort/MUF.\nL'interactions à l’interface et la morphologie entre les nanorenforts, le MUF et le bois sur les propriétés physiques et mécaniques des nanocomposites en bois ont été étudiées en utilisant la spectroscopie des électrons de rayon-X, la microscopie électronique à balayage (SEM), la microscopie électronique de transmission (TEM), la microscopie à force atomique (AFM) et les méthodes de microanalyse de sonde électronique (EPMA). Les propriétés améliorées des bois ont pu être attribuées aux propriétés inhérentes aussi bien qu’à au meilleures interactions à l’interface du bois, de la MUF et des nanoparticules. Le traitement de moulin à billes a favorisé la dispersion des nanorenforts dans le bois, mais a décomposé les groupes fonctionnels sur la surface des nanoargiles hydrophobes, ce qui a été nuisible pour la liaison entre le nanorenfort et la matrice de MUF. \nSuite à l’acquisition d’images de la microsonde de fluorescence de rayons-X, les images de la distribution d’aluminium, élément uniquement présent dans l’argile, ont été analysées à l’aide du logiciel Wincell. En comparant ces images et les micrographies de microscopie conventionnelle à rayons-X, il a été constaté que les renforts de montmorillonite sont distribués de façon non-homogène dans la lamelle moyenne, la lamelle moyenne composée, la paroi primaire et le mur secondaire. Ces éléments fonctionnent comme des filtres qui ont capturé les nanoparticules de montmorillonite dans les régions amorphes c’est-à-dire non – cristallines de la paroi cellulaire. On a aussi observé l'adhérence entre la montmorillonite et la résine MUF par microscopie AFM. On a constaté que les groupes fonctionnels à la surface des montmorillonites hydrophobes jouent un rôle important de comptabilisation entre la montmorillonite nanoargile et la résine MUF, ce qui exerce une influence forte sur les propriétés physique et mécaniques des nanocomposites en bois/ nanoargile/MUF.\n

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.002
Threshold uncertainty score0.007

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0020.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.023
GPT teacher head0.196
Teacher spread0.173 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations9
Published2007
Admission routes2
Has abstractyes

Explore more

Same venueCorpus Université Laval (Université Laval)Same topicArchitecture and Computational DesignFrench-language works237,207