Study on the Performance of the Ionic Liquids [Emim]CH3SO3 and [Emim]PF6 to Prepare the Biosensor of the Detection of Heavy Metals in Seawater
Notice bibliographique
Résumé
Electrochemical sensors can detect the heavy metal ions in seawater quickly, conveniently and accurately with the advantages such as the fast detection speed, the simple operability and the low cost. The ionic liquid [Emim]CH3SO3 showed excellent electrochemical performance and could meet the initial application requirements as electrochemical sensors. The characters of the ionic liquids [Emim]CH3SO3 and [Emim]PF6 which include IR, LC-MS, conductivity, electrochemical window and viscosity were detected. The influ-ence of trace impurity on the conductivity of the ionic liquids was investigated. Results suggested that the conductivity of the ionic liquids increased with the concentration of the added organic solvents. In addition, though the conductivity of the ionic liquids increased with temperature, there is no significant difference in the influence of the same impurity at varying temperatures. Muti Walls Carbon Nanotubes (MWCNTs) are appropriate materials which are commonly used materials for electrochemical sensor applications. The effect of theImidaz-olium-based ionic liquids on the performance of the conductivity of the MWCNTs was studied. It was found that Ionic liquid is an excellent extraction agent for metal ions and its presence in the sensor system improves significantly the detection of heavy metal ions.
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 | 0,001 |
| 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 | 0,001 | 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 ».