Formation Mechanisms of Co-existence of α-Fe and Iron Oxides Nanoparticles Decorated on Carbon Nanofibers by a Simple Liquid Phase Adsorption-Thermal Oxidation
Notice bibliographique
Résumé
We propose formation mechanisms of co-existence of α-Fe and iron oxides nanoparticles decorated on CNFs. The α-Fe nanoparticles are produced via oxidation-reduction mechanisms, which occur in liquid phase adsorption (LPA) assisted by ultrasonic energy, while α-Fe2O3 nanoparticles are thermally formed through mechanisms of Lewis acidbase. In addition, Fe3O4 is thermally formed by reducing Fe2O3 by CNFs. Liquid phase adsorption assisted by ultrasonic energy under ambient temperature using Fe(NO3)3•9H2O as a precursor of iron oxides and α-Fe has been applied. Then, as prepared, Fe(III)@CNFs were thermally calcined at 573 K under air atmosphere in various holding times ranging from 0.5 to 2 h. XRD data confirmed that α- Fe2O3 and Fe3O4 had been successfully grown onto CNFs. Moreover, the presence of the iron oxides and iron nanoparticles was studied by the SEMEDX technique. The iron oxide nanoparticles appeared after a heating period of 0.5h. However, at a holding time of 0.5 h, we found an exciting and unexpected phenomenon where oxygen content is zero percent while Fe is 0.23 wt %. It implies that α-Fe nanoparticles were formed earlier than α-Fe2O3 and Fe3O4 as the proposed mechanisms. Formation mechanisms of iron and its oxides such as α-Fe2O3 and Fe3O4 decorated on CNFs through liquid-phase adsorption followed by thermally treatment technique in this work is expected to give significant contribution in the field of nanocomposite materials, especially for anode materials based on iron oxides.
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 ».