Self-Cleaning Ceramic Tiles Produced via Stable Coating of TiO2 Nanoparticles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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) | 0,002 | 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 découle