MétaCan
Menu
Retour à la cohorte
Enregistrement W3014916836 · doi:10.1039/d0nr01092h

Thermal atomic layer deposition of gold nanoparticles: controlled growth and size selection for photocatalysis

2020· article· en· W3014916836 sur OpenAlexaff
Fatemeh Hashemi, Fabio Grillo, Vikram R. Ravikumar, Dominik Benz, Matthew B. E. Griffiths, Seán T. Barry, J. Ruud van Ommen

Notice bibliographique

RevueNanoscale · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensCarleton University
Organismes subventionnairesTechnische Universiteit Delft
Mots-clésMaterials scienceAtomic layer depositionDeposition (geology)NanoparticleLayer (electronics)PhotocatalysisColloidal goldNanotechnologyChemical engineeringThermalLayer by layerCatalysisChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Gold nanoparticles have been extensively studied for their applications in catalysis. For Au nanoparticles to be catalytically active, controlling the particle size is crucial. Here we present a low temperature (105 °C) thermal atomic layer deposition approach for depositing gold nanoparticles on TiO2 with controlled size and loading using trimethylphosphino-trimethylgold(iii) and two co-reactants (ozone and water) in a fluidized bed reactor. We show that the exposure time of the precursors is a variable that can be used to decouple the Au particle size from the loading. Longer exposures of ozone narrow the particle size distribution, while longer exposures of water broaden it. By studying the photocatalytic activity of Au/TiO2 nanocomposites, we show how the ability to control particle size and loading independently can be used not only to enhance performance but also to investigate structure-property relationships. This study provides insights into the mechanism underlying the formation and evolution of Au nanoparticles prepared for the first time via vapor phase atomic layer deposition. Employing a vapor deposition technique for the synthesis of Au/TiO2 nanocomposites eliminates the shortcomings of conventional liquid-based processes opening up the possibility of highly controlled synthesis of materials at large scale.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,006
Score d'incertitude au seuil0,427

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,012
Tête enseignante GPT0,239
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

Citations32
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207