Green synthesis of copper oxide nanoparticles: Characterization and applications for environmental and biomedical fields
Notice bibliographique
Résumé
Abstract In recent years, there has been an increasing interest in the development of plant‐based nanoparticles due to their numerous benefits over conventional physio‐chemical methods, including sustainability and environmental safety. Green synthesis, a process that produces safe and sustainable goods without the use of harsh chemicals or other harmful processes, is gaining popularity. The current study focuses on the green synthesis of copper oxide nanoparticles using Piper nigrum leaf extracts, their characterization, and applications. The synthesis of nanoparticles was confirmed by changes in colour, further endorsed by UV–visible spectroscopy. Copper oxide (CuO) nanoparticles were characterized by scanning electron microscopy (SEM) and Fourier transform infrared spectroscopy (FTIR). CuO nanoparticle sizes ranged between 58.23 and 69.89 nm and were spherical in shape. FTIR results indicated a functional group capped on the nanoparticle surface. The antibacterial activity of the copper oxide nanoparticles was tested, and they exhibited the significant decrease in bacterial concentration and the largest zone of inhibition, making them an efficient disinfectant. Antimicrobial activity against Bacillus subtilis and Escherichia coli was observed. Furthermore, the synthesized CuO nanoparticles exhibited a high affinity for safranin dyes and demonstrated maximum removal efficiency. This makes them an effective agent for removing dyes in wastewater from industries such as clothing manufacturing. Safranin dye was successfully removed with an efficiency of 78% using nanoparticles. In conclusion, the green synthesis of copper oxide nanoparticles using plant extracts presents an eco‐friendly and sustainable approach for producing nanoparticles with a wide range of potential applications.
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 | 0,001 | 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 ».