Supported NiO<sub><i>x</i></sub> Nanocatalysts on Graphene for Nonenzymatic Lactate Sensing
Notice bibliographique
Résumé
Electrodeposition of nickel nanoparticles, achieved through potentiostatic amperometry followed by thermal annealing at 200–400 °C, has produced nickel oxide nanoparticles on flexible graphene substrates. Using transmission electron microscopy and depth-profiling X-ray photoelectron spectroscopy, we demonstrate that the resulting NiO x nanoparticles exhibit several Ni oxidation states and a core–shell heterostructure, with a metallic Ni crystalline core and a NiO crystalline shell with a mixed crystalline–amorphous NiOOH/Ni(OH) 2 skin. The composition of the NiOOH/Ni(OH) 2 redox couple relative to NiO is found to vary with the annealing temperature and annealing time. The use of a highly conductive graphene substrate enhances electron transfer. The NiO x nanoparticle samples obtained with selected annealing temperature–time combinations are used for lactate detection, with the best sample showing an excellent linear range of 0.02–65.1 mM, a high sensitivity of 80.0 μA mM –1 cm –2, and an impressive limit of detection of 0.00015 mM. The NiO x nanoparticle sample is also tested for lactate sensing in an artificial sweat electrolyte, and it exhibits a reduced linear range of 0.02–53.1 mM and a lower limit of detection of 0.00013 mM while maintaining the same high sensitivity of 80.0 μA mM –1 cm –2 . This sensing performance can be optimized by controlling the relative composition NiOOH + Ni(OH) 2 to NiO, with the sample obtained with a higher relative content at a lower annealing temperature found to provide more reactive sites for lactate detection and therefore higher sensitivity.
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) | 0,000 | 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 ».