The sensitivity enhancement of TiO<sub>2</sub>-based VOCs sensor decorated by gold at room temperature
Notice bibliographique
Résumé
Abstract Detection of hazardous toxic gases for air pollution monitoring and medical diagnosis has attracted the attention of researchers in order to realize sufficiently sensitive gas sensors. In this paper, we fabricated and characterized a Titanium dioxide (TiO 2 )-based gas sensor enhanced using the gold nanoparticles. Thermal oxidation and sputter deposition methods were used to synthesize fabricated gas sensor. X-ray diffraction analysis was used to determine the anatase structure of TiO 2 samples. It was found that the presence of gold nanoparticles on the surface of TiO 2 enhances the sensitivity response of gas sensors by up to about 40%. The fabricated gas sensor showed a sensitivity of 1.1, 1.07 and 1.03 to 50 ppm of acetone, methanol and ethanol vapors at room temperature, respectively. Additionally, the gold nanoparticles reduce 50 s of response time (about 50% reduction) in the presence of 50 ppm ethanol vapor; and we demonstrated that the recovery time of the gold decorated TiO 2 sensor is less than 40 s. Moreover, we explain that the improved performance depends on the adsorption-desorption mechanism, and the chemical sensitization and electronic sensitization of gold 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 | 0,001 | 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 ».