Self-Cleaning Ceramic Tiles Produced via Stable Coating of TiO2 Nanoparticles
Notice bibliographique
Résumé
The high photocatalytic power of TiO2 nanoparticles has drawn great attention in environmental and medical applications. Coating surfaces with these particles enables us to benefit from self-cleaning properties and decomposition of pollutants. In this paper, two strategies have been introduced to coat ceramic tiles with TiO2 nanoparticles, and the self-cleaning effect of the surfaces on degradation of an organic dye under ultraviolent (UV) exposure is investigated. In the first approach, a simple one-step heat treatment method is introduced for coating, and different parameters of the heat treatment process are examined. In the second method, TiO2 nanoparticles are first aminosilanized using (3-Aminopropyl)triethoxysilane (APTES) treatment followed by their covalently attachment onto CO2 plasma treated ceramic tiles via N-(3-Dimethylaminopropyl)-N′-ethylcarbodiimide hydrochloride (EDC) and N-Hydroxysuccinimide (NHS) chemistry. We monitor TiO2 nanoparticle sizes throughout the coating process using dynamic light scattering (DLS) and characterize developed surfaces using X-ray photoelectron spectroscopy (XPS). Moreover, hydrophilicity of the coated surfaces is quantified using a contact angle measurement. It is shown that applying a one-step heat treatment process with the optimum temperature of 200 °C for 5 h results in successful coating of nanoparticles and rapid degradation of dye in a short time. In the second strategy, the APTES treatment creates a stable covalent coating, while the photocatalytic capability of the particles is preserved. The results show that coated ceramic tiles are capable of fully degrading the added dyes under UV exposure in less than 24 h.
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 | 0,001 |
| 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 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 ».