MétaCan
Menu
Retour à la cohorte
Enregistrement W3147392327 · doi:10.14447/jnmes.v24i1.a07

Silver Nanoparticles Formation by Nanosecond Pulsed Laser Irradiation in an Aqueous Solution of Silver Nitrate; Effect of Sodium bis (2-ethyl hexyl) Sulfosuccinate

2021· article· en· W3147392327 sur OpenAlexvenueno aff
Umair Yaqub Qazi

Notice bibliographique

RevueJournal of New Materials for Electrochemical Systems · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser-Ablation Synthesis of Nanoparticles
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Hafr Al Batin
Mots-clésSilver nitrateSilver nanoparticleAqueous solutionIrradiationNanoparticleTransmission electron microscopyMaterials scienceNanosecondPhotochemistryNuclear chemistryChemistryLaserNanotechnologyOrganic chemistryOptics

Résumé

récupéré en direct d'OpenAlex

A photochemical reduction of a silver salt precursor using near-ultra-violet (UV) pulsed laser (355 nm) irradiation into aqueous surfactant sodium-bis (2–ethylhexyl) sulfosuccinate (AOT) solution has succeeded in synthesizing homogenous speculative silver nanoparticles (Ag NPs). Without using any additive, the irradiation from ns laser pulses to aqueous silver nitrate solution was observed to create nanocubes (NCs). The photoproduct was transformed into a nanosphere when irradiated with a particular AOT concentration. The photoproduct concentration of NCs to NSs was approximately ten times lower than the critical concentration of micellar (CMC) in AOT, which means that the growth of NSs was aided in a single layer of AOT adsorbed on silver surfaces. A UV / Visible Spectrophotometer and Transmission/Scanning electron microscopy (TEM/SEM) were used to characterize the photochemically synthesized sample thoroughly. The mean size of AgNSs, analyzed by TEM, was 8 nm. These parameters have shown the growth of AgNSs and discussed in the paper. These nanoparticles are potential candidates for catalyst, semiconductor, photovoltaic equipment, medical diagnostics applications than bulk materials.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,003
Score d'incertitude au seuil0,748

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,008
Tête enseignante GPT0,224
Écart entre enseignants0,216 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of New Materials for Electrochemical SystemsMême sujetLaser-Ablation Synthesis of NanoparticlesTravaux en français237 207