Room-Temperature Reduction of Graphene Oxide in Water by Metal Chloride Hydrates: A Cleaner Approach for the Preparation of Graphene@Metal Hybrids
Notice bibliographique
Résumé
Headed for developing minimalistic strategies to produce graphene@metal hybrids for electronics on a larger scale, we discovered that graphene oxide (GO)-metal oxide (MO) hybrids are formed spontaneously in water at room temperature in the presence of nothing else than graphene oxide itself and metal ions. Our observations show metal oxide nanoparticles decorating the surface of graphene oxide with particle diameter in the range of 10-40 nm after only 1 h of mixing. Their load ranged from 0.2% to 6.3% depending on the nature of the selected metal. To show the generality of the reactivity of GO with different ions in standard conditions, we prepared common hybrids with GO and tin, iron, zinc, aluminum and magnesium. By means of carbon-13 solid-state nuclear magnetic resonance using magic angle spinning, we have found that graphene oxide is also moderately reduced at the same time. Our method is powerful and unique because it avoids the use of chemicals and heat to promote the coprecipitation and the reduction of GO. This advantage allows synthesizing GO@MO hybrids with higher structural integrity and purity with a tunable level of oxidization, in a faster and greener way.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».