Electrochemical Impedance Spectroscopy of Zinc Oxide Nanoparticles After Deposition on Screen Printed Electrode
Notice bibliographique
Résumé
A small aliquot (10–14 μL) of ZnO nanoparticles dispersed in deionized water was deposited by evaporation to produce a dry residue on the working area of a screen-printed electrode. An electrochemical test solution containing K 3 Fe(CN) 6 and KCl was added to the electrode surface for analysis by electrochemical impendence spectroscopy (EIS). Using this deposition analysis technique, a new relationship between the charge transfer resistance ( R ct ) and the amount of ZnO nanoparticles has been explored. Based on the trend of increasing R ct value with an increase of ZnO nanoparticles, a quantitative analysis method can be established to determine the mass of nanoparticles (0.01–1.00 μg) deposited from an unknown dispersion. To study the matrix effect, addition of Nafion solution to the aqueous dispersion resulted in a change of the linear range to 0.3–0.5 μg nanoparticles. Addition of methanol (10% by volume) to the aqueous dispersion changes the analysis range to 0.2–0.6 μg nanoparticles, while additional methanol (50% by volume) changes the analysis range to 0.06–1.00 μg nanoparticles. The analytical sensitivity, as indicated by the slope of each standard calibration curve, ranked as: aqueous dispersion > Nafion/aqueous dispersion > 10% methanol/aqueous dispersion > 50% methanol/aqueous dispersion. Altogether these results verify that deionized water is the best dispersion medium for EIS analysis of ZnO nanoparticles.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».