MétaCan
Menu
Retour à la cohorte
Enregistrement W2312760377 · doi:10.1021/la2038894

Facile Phase Transfer of Large, Water-Soluble Metal Nanoparticles to Nonpolar Solvents

2012· article· en· W2312760377 sur OpenAlexaff
Paul J. G. Goulet, Gilles R. Bourret, R. Bruce Lennox

Notice bibliographique

RevueLangmuir · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSolventDichloromethaneChemistryNanoparticleTetrahydrofuranBromideTolueneLigand (biochemistry)ChloroformPolystyreneNanomaterialsMetalAcetonePhase (matter)DiglymeAdsorptionInorganic chemistryOrganic chemistryChemical engineeringMaterials scienceNanotechnologyPolymer

Résumé

récupéré en direct d'OpenAlex

The facile phase-transfer of large, water-soluble metal nanoparticles to nonpolar solvent is reported here. Thiol-terminated polystyrene (PS-SH) is ligand-exchanged onto water-soluble metal nanoparticles in single-phase acetone/water mixtures, generating a precipitate. The solvent is then removed and the particles are redissolved in nonpolar solvent. This approach is demonstrated for nanoparticles of different metal (Au and Ag), size (3 to >100 nm), shape (spheres, rods, and wires, etc.), and leaving ligand (citrate, cetyltrimethylammonium bromide, poly(vinylpyrrolidone), and 4-dimethylaminopyridine. The resulting PS-SH-stabilized nanoparticles maintain their initial size and shape, and are highly stable. They are soluble in various organic solvents (toluene, benzene, chloroform, dichloromethane, and tetrahydrofuran), and can be readily dried, purified, and re-dissolved. This method makes possible the utilization of a full range of existing nanoparticle cores in nonpolar solvents with a single ligand. It provides access to numerous nanomaterials that cannot be obtained through direct synthesis in nonpolar solvent, and is expected to be of significant value in a number of applications.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,044
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)0,0000,000
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)0,0010,001

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 Opus0,025
Tête enseignante GPT0,283
Écart entre enseignants0,258 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations52
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

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