Colloidal Suspensions of Platinum Group Metal Nanoparticles (Pt, Pd, Rh) Synthesized by Dielectric Barrier Discharge Plasma (DBD)
Notice bibliographique
Résumé
Abstract Atmospheric‐pressure plasmas produced by dielectric barrier discharge can be used to grow nanoparticles from aqueous solutions containing ions from the platinum group metals (PGM: Pt, Pd, and Rh). The technology could also be applied to recover PGM from waste solutions. In plasma electrochemistry, PGM solutions act as a liquid electrode, and a counter electrode located near the surface of the liquid is used to generate the plasma (e.g., hydrogen, argon). The treatment synthesizes nanoparticles within minutes, which can be separated from the treated solutions. In the present study, small concentrations of PGM ions (1 × 10−3m) are recuperated from aqueous solutions containing chloride ions. The efficiency of the process is quantified by elemental analysis, and the size of the colloids, measured by dynamic light scattering (DLS) and transmission electron microscopy (TEM). Very high recovery yields are found for palladium (>99%), as well as for rhodium (>75%) and for platinum (>51%). Plasma electrochemistry is a very efficient and rapid process to recuperate PGM ions from water solutions (faster than conventional electrowinning) such as industrial waste, acid leach, and related effluents. The very fine and surfactant‐free nanoparticles could find promising applications as industrial and automotive catalysts.
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) | 0,000 | 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) | 0,001 | 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 ».