Green Synthesis of Ag Nanoparticles for Plasmon-Assisted Photocatalytic Degradation of Methylene Blue
Notice bibliographique
Résumé
Green synthesis of metal nanoparticles has been gaining great interest due to the increasing need for eco-friendly manufacturing and application of nanomaterials. Metal nanoparticles, especially silver nanoparticles, are widely used in water treatments and as environmental remedy. Here we present a method to synthesize silver nanoparticles at room temperature using green tea extract under visible light irradiation, along with an application for enhanced photocatalytic degradation on methylene blue (MB) dye. Ag nanoparticles were synthesized under different photoreduction times and then further characterized. The photocatalytic rate of synthesized nanoparticles was also investigated and compared with TiO2 nanowires under UV and visible light irradiations. The results showed that Ag nanoparticles can directly degrade MB dye through plasmonic excitation and electron transferring under visible light, and Ag nanoparticles can further enhance TiO2 photonic degradation by enhanced e-h separation with UV and/or a wide band light, including UV light. Ag nanoparticles under visible light photoreduction for 0.5 h presented better behavior for two kinds of plasmonic enhanced photodegradation; the average size of the nanoparticles is about 30 nm. Therefore, the green synthesized Ag nanoparticles exhibit promising prospects in chemical and biological pollutant treatment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».