Bimetallic Nanoparticles for Arsenic Detection
Notice bibliographique
Résumé
Effective and sensitive monitoring of heavy metal ions, particularly arsenic, in drinking water is very important to risk management of public health. Arsenic is one of the most serious natural pollutants in soil and water in more than 70 countries in the world. The need for very sensitive sensors to detect ultralow amounts of arsenic has attracted great research interest. Here, bimetallic FePt, FeAu, FePd, and AuPt nanoparticles (NPs) are electrochemically deposited on the Si(100) substrate, and their electrochemical properties are studied for As(III) detection. We show that trace amounts of As(III) in neutral pH could be determined by using anodic stripping voltammetry. The synergistic effect of alloying with Fe leads to better performance for Fe-noble metal NPs (Au, Pt, and Pd) than pristine noble metal NPs (without Fe alloying). Limit of detection and linear range are obtained for FePt, FeAu, and FePd NPs. The best performance is found for FePt NPs with a limit of detection of 0.8 ppb and a sensitivity of 0.42 μA ppb(-1). The selectivity of the sensor has also been tested in the presence of a large amount of Cu(II), as the most detrimental interferer ion for As detection. The bimetallic NPs therefore promise to be an effective, high-performance electrochemical sensor for the detection of ultratrace quantities of arsenic.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».