Nanocomposite of Nitrogen‐Doped Graphene/Polyaniline for Enhanced Ammonia Gas Detection
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
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.
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) | 0,001 | 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) | 0,000 | 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 découle