Biogenic Synthesis of Zinc Oxide (ZnO) Nanoparticles Using a Fungus (Aspargillus niger) and Their Characterization
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
Nanoparticles are ultrafine structures with dimensions less than 100 nm. Nanoparticles have diverse applications. There are three important methods of fabrication of nanoparticles namely physical, chemical and biological methods. Physical method is a top down strategy for the fabrication of nanoparticles. It is energy intensive and time consuming. A chemical method is simple, but is expensive and requires expensive chemicals with high purity and also involves hazards of contaminations. Biological synthesis is very simple, cheap and environment friendly, requiring no expensive chemicals, temperature and is time saving. Plants and microorganisms are commonly used in this method. These are available everywhere. In the present work we synthesized Zinc Oxide (ZnO) nanoparticles by biological method using Aspargillus niger and zinc chloride (ZnCl2) as precursors. Biogenic synthesis of metallic nanoparticles by fungi is a safe and economical process because of formation of stable and small sized nanoparticles. Fungal biomass secretes proteins which act as reducing and stabilizing agents. The synthesized nanoparticles were characterized by XRD (X-Ray Diffraction), SEM (Scanning Electron Microscopy), UV-Vis (Ultraviolet, Visible) and EDX (Energy Dispersive X-Ray) techniques. Their size was in nm range and morphology of synthesized ZnO NPs was hexagonal. The ZnO nanoparticles are one of the most versatile materials and are used in cosmetics and in Bioenergy production, as a catalyst and as antibacterial material.
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) | 0,000 | 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