Low-Temperature Synthesis of Carbon-Rich Nanoparticles with a Clickable Surface for Functionalization
Notice bibliographique
Résumé
Carbon nanoparticles (CNPs) are promising materials for optoelectronic and biomedical applications thanks to their optical properties, low production cost, and superior biocompatibility compared to traditional semiconductor quantum dots. The countless synthetic methods reported allow a library of diverse CNP structures and optical properties, guiding their subsequent applications. However, the current drawbacks lie mainly within these synthetic processes, as many of them require harsh conditions preventing control over morphology and often generating chemically inert nanoparticles. Thus, more advances on low temperature and controllable synthetic processes are desirable. In this study, we suggest a new strategy to synthesize CNPs with tunable size, while avoiding the use of harsh conditions and allowing easy surface functionalization. The metastable state of polyyne-containing materials appoints them as ideal precursors for low-temperature preparation of carbon-rich structures. Our approach is to synthesize octatetrayne-containing particles prompt to spontaneous reaction, including topochemical polymerization, followed by aromatization, to avoid harsh carbonization steps. For the particle synthesis, the well-known dispersion polymerization process has been adapted for homocoupling of terminal butadiynes, generating the octatetrayne-containing particles. The method was proven reproducible, scalable, and versatile, as the particles' size can be modulated between 50 and 170 nm. Surface functionalization via thiol-yne click chemistry was completed with a pyrene-modified thiol ligand to provide the CNPs with photoactive properties in the visible range. The functionalized particles exhibit fluorescence at 470 nm arising from excimer formation.
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 | 0,000 |
| 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 ».