Determination of Metal Impurities in Carbon Nanotubes Sampled Using Surface Wipes
Notice bibliographique
Résumé
Residual metal impurities in carbon nanotubes (CNTs) provide a means to distinguish CNT from non-CNT sources of elemental carbon in environmental samples. A practical and cost-effective analytical approach is needed to support routine surface monitoring of CNT metal tracers using wipe sampling. Wipe sampling for CNT metal tracers is considered a qualitative indicator of the presence of CNTs, not a quantitative exposure metric. In this study, two digestion approaches (microwave-assisted nitric acid/H 2 O 2 digestion and ultrasonic nitric/HF acid digestion) in conjunction with Inductively Coupled Plasma Mass Spectrometry (ICP-MS) determination were evaluated for their ability to extract metal impurities from CNT particles captured on wipe substrates. Aliquots of different carbon nanotubes (including NIST 2483 single-wall CNT) with and without GhostWipes™ (ASTM E-1792 compliant) were used to compare the performance of the digestion methods. The microwave digestion method accommodated the bulky wipe sample and also eliminated potential ICP-MS signal interferences related to incomplete digestion. Although quantitative recoveries requiring lengthy multistep digestion protocols may be necessary in other applications, the near-total recoveries achieved in the present study for CNT catalyst elements were adequate for identifying surface contamination of CNTs in the workplace using wipe sampling.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».