Optimization of purity and yield of amorphous bio‐silica nanoparticles synthesized from bamboo leaves
Notice bibliographique
Résumé
Abstract The fallen yellowish bamboo leaves around bamboo crops are always overlooked even though they contain high silica in their ash. Bamboo leaf valorization consequently has the potential to be a green process for synthesizing amorphous silica. Unfortunately, the optimum process parameters have not been widely disclosed. Hence, this study intends to optimize the synthesis of amorphous bio‐silica nanoparticles from bamboo leaves using Box–Behnken design (BBD). Bamboo leaves were initially washed with HCl, followed by combustion at 700°C, and then ash washing, extraction of silica with NaOH (sol–gel method), gelation, and drying. According to the results, optimum conditions occur under no acid washing of leaves, solvent‐to‐feed ratio = 5 mL/g, and extraction duration = 1.5 h. The optimum conditions give the highest purity (94.1 wt.%) and yield (42.33%) as well as the highest surface area (328.61 m 2 /g), smallest pore diameter (8.69 nm), and largest pore volume (0.71 cc/g) of bio‐silica nanoparticles. Furthermore, bio‐silica nanoparticles are amorphous, spherical‐shaped aggregates, and have a white powdered colour.
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 | 0,001 |
| 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 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 ».