Femtosecond Laser Interaction with Graphene Oxide Aqueous Solution
Notice bibliographique
Résumé
In this study fs pulsed laser of wavelength 800 nm was used to reduce two sets of aqueous graphene oxide solution namely low (0.5 mg/mL) and high concentration (6.2 mg/mL). It was found that after fs laser treatment the surface roughness of the graphene oxide flakes was reduced by 95.6% and 66% for the high and low GO concentration films respectively. It was also found that the resistivity of high concentration (6.2 mg/ml) rGO films was enhanced by 4 orders of magnitude as a result of the laser treatment which could raise the electron mobility of the rGO films close to that of pristine graphene films. The C-O atomic ratio for the high concentration graphene oxide samples was found to increase by 3 times after 6 hrs of laser treatment. \nA novel technique of graphene oxide sol-gel (GOSG) fabrication was introduced where GOSG was obtained by placing the laser focal point at the solution/air interface. By manipulating the exposure parameters such as the ablated volume, laser energy and focal length, the GOSG was obtained at various times in the range of as 8 min to 7 hrs. The chemical analysis (XPS) revealed the reduction of the COOH molecules as a result of the exposure process, which is due to removing the OH- from the GO sheets and vaporization of the water content within the solution. Surface morphology analysis using AFM and SEM showed that all GOSG thin films except the 7 hrs one depicted a high surface roughness and porous surface area with randomly stacked graphene oxide layers. However, a smooth stacking layered structure and the smallest average surface roughness was observed in the 7 hrs GOSG, which was pertained the behavior of pure graphene as proved by the FTIR analysis.
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 | 0,001 |
| 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 ».