MétaCan
Menu
Retour à la cohorte
Enregistrement W2925118118 · doi:10.1166/jnn.2019.16372

Tuning of Morphology and Stability of Gold Nanostars Through pH Adjustment

2019· article· en· W2925118118 sur OpenAlexaff
R M Piragash Kumar, Simona Bǎdilescu, Muthukumaran Packirisamy

Notice bibliographique

RevueJournal of Nanoscience and Nanotechnology · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGold and Silver Nanoparticles Synthesis and Applications
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceMorphology (biology)Chemical engineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

In this study, the morphology and stability of gold nanostars (AuNSs) were investigated under different pH environments. The surface morphologies and plasmonic properties were observed for nanostars (NSs) deposited on glass substrates, using SEM and ultraviolet and visible (UV-Vis) spectroscopy. It is found that gold nanostars can be readily stabilized just by adjusting the initial pH condition of the growth solution. The particle size distribution of gold nanostars under different pH environments has been investigated using UV-Vis spectroscopy and found to be highly dependent on pH. At the optimal pH of 11, the gold nanostars are highly monodisperse, they have longer branches and the Au Localized Surface Plasmon Resonance band (LSPR) at 720 nm. For other pH conditions, particles are non-uniform and polydisperse, showing a red-shift of the plasmon peak due to aggregation and a large particle size distribution. Time-dependent UV-Vis spectra studies hypothesize the pH dependent stabilization mechanism, where the formation and stabilization of AuNS were affected greatly by the aggregation induced by pH of the growth solution. The information obtained in this study can be used to design stable gold nanostars with longer shelf life for biosensing applications.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,262

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,244
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nanoscience and NanotechnologyMême sujetGold and Silver Nanoparticles Synthesis and ApplicationsTravaux en français237 207