MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388659863 · doi:10.58837/chula.the.2016.1400

Effects of hydrothermal treatment on performance of flexible ZnO/PAN nanofibers for toluene vapor removal

2016· dissertation· en· W4388659863 sur OpenAlexfundno aff

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaRoyal Golden Jubilee (RGJ) Ph.D. ProgrammeThailand Research FundChulalongkorn University
Mots-clésNanofiberPolyacrylonitrileHexamethylenetetramineElectrospinningMaterials scienceNanorodZincChemical engineeringNucleationHydrothermal circulationTolueneNanotechnologyComposite materialChemistryOrganic chemistryPolymerMetallurgy

Résumé

récupéré en direct d'OpenAlex

Polyacrylonitrile nanofibers decorated by zinc oxide nanorods were fabricated by combination of electrospinning technique and hydrothermal treatment. Suspension of 20 nm ZnO nanopartilces in PAN solution was subjected to electrospinning technique. The composite nanofibers of ZnO and PAN in the average diameter of 317 nm were obtained. The ZnO nanopartibles on the surface of PAN nanofibers act as nucleation sites for growth of ZnO nanorods. The obtained ZnO/PAN nanofibers were subjected to hydrothermal treatment process using the autoclave containing solution of zinc acetate and hexamethylenetetramine in water. The ZnO nanorods formed on the surface of PAN nanofibers. In addition, influence of zinc acetate concentration, treatment temperature, treatment time, and zinc acetate : hexamethylenetetramine ratio were also studied. It was also found that the obtained ZnO/PAN nanofibers still possess flexibility. The ZnO/PAN nanofibers were subjected to investigate performance of VOCs removal using photocatalytic reaction. Toluene was used as delegate for VOCs. It was found that the gaseous toluene could be degraded for more than 95% within 2 hours.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,266
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectrospun Nanofibers in Biomedical Applications→Travaux en français237 207→