Optical characterization of nanoparticle infused SiO? aerogels
Notice bibliographique
Résumé
Windows play a crucial role in accounting for energy consumption through heat loss to the outdoor environment.This leaves room for improvement of window materials that improve energy efficiency and reduce greenhouse gas emissions.Although state-ofthe-art manufacturing techniques and approaches to solving window heat loss exist, the solution often comes as a trade-off between thermal resistance and light transmittance.Here, we present custom fabricated nano-particle infused aerogels as a potential material to achieve super insulating and transparent window panels.By incorporating nanoparticle solutions within the silicon dioxide (SiO) aerogel during the sol-gel process, unique monolithic samples were fabricated and optically characterized.Direct spectral transmittance of the fabricated samples between 200 and 7000 nm was measured using UV-Vis (Shimadzu UV-2600) and FTIR (Bruker Vertex 70) spectrometry.Optical measurements showed a peak transmittance of 96.20% at 1100 nm for the zinc-oxide (ZnO) infused SiO samples and 99.76% at 1239 nm for baseline SiO samples.Importantly, the results show that nanoparticle infusion can be used as a flexible method to tailor the optical properties of aerogels.In particular, the inclusion of nanoparticles within SiO2 aerogels is shown to reduce transmission (heat loss) in the mid-infrared (MIR) while maintaining high transmission in the visible wavelength region.Overall, this work serves as a proof-of-concept demonstration of how nanoparticle infusion can be utilized to tailor the optical behavior of the silica aerogel, opening the door for its use as a next generation high-performance window material.
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 | 0,000 |
| 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) | 0,001 | 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 ».