MétaCan
Menu
Retour à la cohorte
Enregistrement W2613674991 · doi:10.14447/jnmes.v19i2.336

Effect of a Natural Brightener, Daphne gnidium L. on the Quality of Nickel Electroplating from Watts Bath

2016· article· en· W2613674991 sur OpenAlexvenueno aff
Hayet. Belbah, Habiba Amira-Guebailia, Abed Mohamed Affoune, Ilhem Djaghout, Omar Houache, Mahmoud Al-Kindi

Notice bibliographique

RevueJournal of New Materials for Electrochemical Systems · 2016
Typearticle
Langueen
DomaineChemistry
ThématiqueElectrochemical Analysis and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNickelElectroplatingCyclic voltammetryGlycerolFormaldehydeNuclear chemistryMaterials scienceChemistryMetallurgyElectrochemistryNanotechnologyElectrodeOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Daphne gnidium L. (DGL), a plant known to be rich source of polyphenols, a naturally occurring class of antioxidants, was tested for its ability to play the role of primary and secondary brighteners for electrodeposition of nickel, as a replacement for synthetic brighteners such as glycerol and formaldehyde. A simple and convenient approach was adapted consisting in adding an accurate amount of powdered leaves of Daphne gnidium L. (DGLP) or Daphne gnidium L. leaves extract (DGLE), to the Watts bath, to play the role of brightening agents. Cyclic voltammetry studies revealed that DGLP could inhibit the reaction of nickel reduction and improve the quality of the deposits as efficiently as glycerol and formaldehyde. SEM analyses showed that the micro-cracks decreased and sometimes disappeared from nickel deposits prepared in the presence of DGLP as a brightener. The results of this study show that DGL can be used satisfactorily, with minimum operations as a brightening agent for nickel electrodeposition. The key idea of direct immersion of DGLP in the Watts bath, aimed to the replacement of synthetic brighteners and the reduction of the overall cost of nickel electrodeposition.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,002
Score d'incertitude au seuil0,540

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,282
Écart entre enseignants0,268 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of New Materials for Electrochemical SystemsMême sujetElectrochemical Analysis and ApplicationsTravaux en français237 207