Surface Chemistry of Gold Nanoparticles Produced by Laser Ablation in Aqueous Media
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The femtosecond laser ablation of a gold target in aqueous solutions has been used to produce colloidal Au nanoparticles with controlled surface chemistry. A detailed chemical analysis showed that the nanoparticles formed were partially oxidized by the oxygen present in solution. The hydroxylation of these Au−O compounds, followed by a proton loss to give surface Au−O -, resulted in the negative charging of the nanoparticles. The partial oxidation of the gold nanoparticle surface enhances its chemical reactivity and consequently has a strong impact on its growth. In particular, the oxidized surface reacted efficiently with Cl - and OH - to augment its net surface charge. This limited the coalescence of the particles, due to electrostatic repulsion, and led to a significant reduction of their size. Taking advantage of the repulsion effect, efficient size control was achieved using different salts (7 ± 5 nm for 10 mM KCl, 5.5 ± 4 nm for 10 mM NaCl, 8 ± 5 nm for NaOH, pH 9.4), a considerable improvement comparatively to particles prepared in deionized water, using identical ablation conditions, where particles of 1−250 nm were produced. The partially oxidized gold surface was also suitable for surface modification through both covalent and electrostatic interactions during particle formation. Using solutions of N -propylamine, we showed an efficient control of nanoparticle size (5−8 ± 4−7 nm) by the involvement of these interactions. The results obtained help to develop methodologies for the control of laser-ablation-based nanoparticle growth and the functionalization of nanoparticle surfaces by specific interactions.
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.
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 découle