Influence of pH on Room-Temperature Synthesis of Zinc Oxide Nanoparticles for Flexible Gas Sensor Applications
Notice bibliographique
Résumé
This research contributes to work on synthesizing zinc oxide nanoparticles (ZnO NPs) at room temperature (RT) and their utilization in flexible gas sensors. RT ZnO NP synthesis with a basicity solution (pH ≈ 13) demonstrates an efficient method for synthesizing well-crystalline ZnO NPs (RT.pH13) comparable to those synthesized by the hydrothermal method (hyd.C). The RT.pH13 achieved a high thermal stability with minimal organic reside impurities (~4.2 wt%), 30–80 nm particle size distribution, and a specific surface area (14 m2 g−1). The synthesized pre- and post-calcinated RT.pH13 NPs were then incorporated into flexible sensors for gas sensing applications at ambient conditions (RT and relative humidity of 30–50%). The pre-calcinated ZnO-based sensor (RT.pH13) demonstrated superior sensitivity to styrene and acetic acid and lower sensitivity to dimethyl-6-octenal. The calcinated ZnO-based sensor (RT.pH13.C) exhibited lower sensitivity to styrene and acetic acid, but heightened sensitivity to benzene, acetone, and ethanol. This suggests a correlation between sensitivity and structural transformations following calcination. The investigation of the sensing mechanisms highlighted the role of surface properties in the sensors’ affinity for specific gas molecules and temperature and humidity variations. The study further explored the sensors’ mechanical flexibility, which is crucial for flexible Internet of Things (IoT) 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 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 ».