Synthesis, characterization, photoluminescence, and antibacterial activities of silica-graphene oxide composites
Notice bibliographique
Résumé
In this research, a novel thin film Si-GO10 and nanopowders Si-GO30 of silica-graphene oxide (GO) composite were prepared via the sol–gel method and deposited on glass substrates using spray pyrolysis. X-ray diffraction (XRD) results showed a relatively strong peak in the graphite layer that corresponds to the (002) plane. Transmission electron microscope (TEM) images showed that SiO 2 nanoparticles were randomly distributed on the surface of GO plates, and the particle size in these nanopowders was below 50 nm. Field emission scanning electron microscopy (FESEM) analysis demonstrated that silica nanoparticles on the surface of GO plates exhibited almost spherical and rod-like nanoparticle shape, which in turn confirmed the formation of SiO 2 –GO nano-hybrids. Photocatalytic investigations revealed that the composite materials exhibit high activity for dye adsorption and decomposition. Si-GO10 thin film did not undergo degradation after 120 min; however, for Si-GO30 nanopowder, the adsorption peak intensity was reduced to 665 nm, indicating a decrease in the dye concentration in the solution. Fourier transform infrared scan (FTIR) analysis demonstrated that carboxylic functional groups are decreased by increasing silica particles. Photoluminescence (PL) spectrum in Si-GO10 thin film showed a sharp emission peak at about 665 nm. This spectrum completely disappeared in Si-GO30 nanopowders. Results of the antibacterial properties emphasized that Si-GO30 nanoparticle would prevent Escherichia coli growth after 20 h. The presented methodology allows for the synthesis of GO supported silicon dioxide nanoparticles for promising applications in photocatalytic and antibacterial fields.
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 | 0,000 |
| 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 ».