Nanocomposite of Nitrogen‐Doped Graphene/Polyaniline for Enhanced Ammonia Gas Detection
Notice bibliographique
Résumé
Abstract Graphene nanosheets are widely used for designing functional nanocomposite sensors that are highly sensitive. In this study, nitrogen‐doped reduced graphene oxide (N‐rGO) polyaniline (PANI) nanocomposites composed of localized heterojunctions are prepared for the detection of ammonia, dimethylamine, and trimethylamine gases with superior sensing performances. rGO nanosheets with electrical properties modified via N‐doping are strategically incorporated in p‐type PANI via in situ synthesis, with the nanosheets acting as templates for PANI growth. N‐rGO nanosheets featuring large specific area, high electrical conductivity, and n‐type semiconductive behavior combined with the attractive electrical p‐type characteristics of PANI are found to be highly beneficial for improving detection sensitivity toward ammonia, dimethylamine, and trimethylamine gases at 25 °C. Overall, the detection sensitivity of the advanced N‐rGO nanocomposites is more than two times higher than that of PANI alone. Moreover, the N‐rGO/PANI nanocomposites reach an estimated limit of detection for ammonia gas down to the sub‐ppm range. Improvement in sensing performance is also observed for rGO/PANI and GO/PANI nanocomposites; however, the level of the improvement is less than that of N‐rGO/PANI nanocomposites. This study demonstrates the excellent potential of designing advanced graphene nanocomposite gas sensors with superior performances by manipulating the electronic properties of the graphene nanosheets.
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 ».