Detection of nitroaromatics in the solid, solution, and vapor phases using silicon quantum dot sensors
Notice bibliographique
Résumé
Silicon quantum dots (Si-QDs) represent a well-known QD fluorophore that can emit throughout the visible spectrum depending on the interface structure and surface functional group. Detection of nitroaromatic compounds by monitoring the luminescence response of the sensor material (typically fluorescent polymers) currently forms the basis of new explosives sensing technologies. Freestanding silicon QDs may represent a benign alternative with a high degree of chemical and physical versatility. Here, we investigate dodecyl and amine-terminated Si-QD luminescence response to the presence of nitrobenzene and dinitrotoluene (DNT) in various solid, solution, and vapor forms. For dinitrotoluene vapor the 3σ detection limit was 6 ppb for monomer-terminated QDs. For nitroaromatics dissolved in toluene the detection limit was on the order of 400 nM, corresponding to ∼100 pg of material distributed over ∼1 cm(2) on the sensor surface. Solid traces of nitroaromatics were also easily detectable via a simple 'touch test'. The samples showed minimal interference effects from common contaminants such as water, ethanol, and acetonitrile. The sensor can be as simple and inexpensive as a small circle of filter paper dipped into a QD solution, with a single vial of QDs able to make hundreds of these sensors. Additionally, a trial fiber-optic sensor device was tested by applying the QDs to one end of a 2 × 2 fiber coupler and exposing them to controlled DNT vapor. Finally, the quenching mechanism was explored via luminescence dynamics measurements and is different for blue (amine) and red (dodecyl) fluorescent silicon QDs.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».