MétaCan
Menu
Retour à la cohorte
Enregistrement W2133314765 · doi:10.1039/c2nr31832f

Salt-mediated kinetics of the self-assembly of gold nanorods end-tethered with polymer ligands

2012· article· en· W2133314765 sur OpenAlexaff
Kun Liu, Cristina Resetco, Eugenia Kumacheva

Notice bibliographique

RevueNanoscale · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNanorodSelf-assemblyIonic bondingElectrolyteSolventPolymerSalt (chemistry)ChemistryKineticsMetal ions in aqueous solutionMoleculeSolubilityAqueous solutionMetalIonNanoparticleChemical engineeringNanotechnologyMaterials scienceOrganic chemistryPhysical chemistryElectrode

Résumé

récupéré en direct d'OpenAlex

Studies on the self-assembly of metal nanoparticles (NPs) in the presence of ions are motivated by the biosensing applications of NP clusters and the capability to control the morphology of clusters of oppositely charged NPs. The effect of ions has been explored for the self-assembly of metal NPs capped solely with ionic ligands, whereas, in general, the surface of NPs can be coated with a mixture of ligands interacting with each other by non-electrostatic forces. In the present work, we examined the kinetics of self-assembly of gold nanorods capped with a mixture of low-molecular weight ionic molecules and nonpolar polymer ligands. We show that in contrast with earlier reports on the effect of electrolytes on NP self-assembly, the driving force for the accelerated self-assembly of nanorods is the reduction in polymer solubility in the presence of ions, rather than the screening of the electric double layer of the charged ligands. The reported results are important for NP self-assembly occurring in mixed solvents, in which attraction forces between nonpolar ligands are governed by the balance between solvent-solvent and solvent-salt interactions. Furthermore, the addition of salts can be used to increase the rate of nanorod self-assembly, which, otherwise, is an intrinsically slow process.

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 candidatesaucune
Catégories consensuellesaucune
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 enseignants0,012
Score d'incertitude au seuil0,252

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,219
Écart entre enseignants0,209 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations35
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetGold and Silver Nanoparticles Synthesis and ApplicationsTravaux en français237 207