Biosynthesis of silver nanoparticles applied for UV‐curing conductive ink by using rice straw extract as reducing agent
Notice bibliographique
Résumé
Abstract There is little doubt that nanomaterials are playing a key role in many technologies, and metallic nanoparticles are traditionally synthesized by wet chemical synthesis techniques where the chemicals used are quite often toxic and flammable. In this paper, we report green synthesis of silver nanoparticles using rice straw (RS) extract. The research includes two parts as follows: Firstly, using AgNO3 as the precursor and RS as reducing agent, PVP as protective agent, and controlling the reaction conditions, nano‐silver particles are generated by the liquid phase reduction method. The prepared Ag nanoparticles are examined by Malvern Zetasizer, scanning electron microscopy (SEM), transmission electron microscopy (TEM) with energy‐dispersive X‐ray spectroscopy (EDS), X‐ray diffraction pattern (XRD), and UV spectroscopy. The results show that the size of nano‐silver particles is controllable, they have good dispersion and appearance, and they are stable at long term storage. Finally, using nano‐silver as UV‐curing conductive filler, UV‐curing nano‐silver conductive ink is generated, and its conductive properties are discussed. Results show that the content of conductive filler has an effect on the resistivity of conductive ink.
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) | 0,001 | 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) | 0,001 | 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 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 ».