MétaCan
Menu
Retour à la cohorte
Enregistrement W2084912789 · doi:10.1039/c3nr02548a

Plant mediated green synthesis: modified approaches

2013· review· en· W2084912789 sur OpenAlexaff
Ratul Kumar Das, Satinder Kaur Brar

Notice bibliographique

RevueNanoscale · 2013
Typereview
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésNanotechnologyGreen chemistrySelection (genetic algorithm)Process (computing)BiocompatibilityBiochemical engineeringComputer scienceNanoparticleMaterials scienceChemistryEngineeringArtificial intelligenceOrganic chemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

Plant mediated green synthesis of different metallic nanoparticles has emerged as one of the options for implementation of green chemistry principles, and successfully made an important contribution towards green nanotechnology. However, beyond the synthesis and application aspects, the science of green synthesis has carried some wrong perceptions in an unforeseen fashion. In this review, some of the key issues related to the green synthesis of metallic nanoparticles employing plants as reducing/capping agents have been addressed. Random selection of plants and its overall impact on the different aspects of green synthesis have been discussed. Emphasis is given to the setting of some standard selection criteria to be adopted for selecting a plant for use in green synthesis. How selection of a plant can positively or negatively influence both procedure and products of a green synthesis process is the prime concern of this article. In addition to selection, the key issue of biocompatibility associated with green synthesized metallic nanoparticles has been considered. Both selection of plant and biocompatibility were reconsidered for their minute details in terms of synthesis, analysis and data interpretation in the green synthesis approach. The key factors capable of fine tuning the core meaning of "green" in the synthesis of any metallic nanoparticles were taken into consideration. This article is an effort towards keeping the core meaning of green synthesis.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,007

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 Opus0,127
Tête enseignante GPT0,285
Écart entre enseignants0,158 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations69
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207