MétaCan
Menu
Retour à la cohorte
Enregistrement W4365815958 · doi:10.1038/s41598-023-33243-7

Optimum scavenger concentrations for sonochemical nanoparticle synthesis

2023· article· en· W4365815958 sur OpenAlexaff
Henrik Erring Hansen, Frode Seland, Svein Sunde, Odne Stokke Burheim, Bruno G. Pollet

Notice bibliographique

RevueScientific Reports · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueUltrasound and Cavitation Phenomena
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNorges ForskningsrådNorges Teknisk-Naturvitenskapelige Universitet
Mots-clésScavengerEthylene glycolNanoparticleMethanolChemistryDecompositionEthanolSonicationChemical engineeringRadicalNuclear chemistryNanotechnologyMaterials scienceOrganic chemistryChromatography

Résumé

récupéré en direct d'OpenAlex

Maintaining nanoparticle properties when scaling up a chemical synthesis is challenging due to the complex interplay between reducing agents and precursors. A sonochemical synthesis route does not require the addition of reducing agents as they are instead being continuously generated in-situ by ultrasonic cavitation throughout the reactor volume. To optimize the sonochemical synthesis of nanoparticles, understanding the role of radical scavengers is paramount. In this work we demonstrate that optimum scavenger concentrations exist at which the rate of Ag-nanoparticle formation is maximized. Titanyl dosimetry experiments were used in conjunction with Ag-nanoparticle formation rates to determine these optimum scavenger concentrations. It was found that more hydrophobic scavengers require lower optimum concentrations with 1-butanol < 2-propanol < ethanol < methanol < ethylene glycol. However, the optimum concentration is shifted by an order of magnitude towards higher concentrations when pyrolytic decomposition products contribute to the reduction. The reduction rate is also enhanced considerably.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,635

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,267
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetUltrasound and Cavitation PhenomenaTravaux en français237 207