Arbutin Stabilized Silver Nanoparticles: Synthesis, Characterization, and Its Catalytic Activity against Different Organic Dyes
Notice bibliographique
Résumé
In this study, we report one-pot, single step synthesis of silver nanoparticles stabilized by using arbutin. The concentration of reducing agent (NaBH4) used in the preparation was kept at double, and arbutin was used as a stabilizing agent. The confirmation of prepared silver nanoparticles was done by color change and UV-Vis surface plasmon resonance peak at 435 nm in UV-Vis spectrum. Size dispersion of nanoparticles was carried out by Dynamic Light Scattering (DLS) and surface charge on nanoparticles. Stability was analyzed by Zeta potential. A strong negative charge indicated that nanoparticles are well stabilized throughout the solution. Morphology and 3D topographic images were obtained by Atomic Force Microscopy (AFM). The crystalline nature of nanoparticles was elucidated by X-ray diffraction analysis. The size and morphology of solid, well-grinded nanoparticles was proceeded by Scanning Electron Microscopy (SEM). The catalytic activities of nanoparticles were carried out against methylene blue, methyl orange, safranin, and eosin. The results demonstrated that synthesized silver nanoparticles commenced the degradation reaction of dyes mentioned. Prepared silver nanoparticles are found to have adequate catalytic activity, as it can be comprehended in time-dependent UV-Vis spectrums of dyes after treating them with AgNPs.
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) | 0,000 | 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 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 ».