A Review of Analytical Techniques to Characterise Nanomaterial Associations with Minerals, Organic Matter and Organisms
Notice bibliographique
Résumé
Nanomaterials (NMs) have unique properties and control processes relevant to the fate of contaminants in soils, air, and aquatic systems and within the carbon cycle. Many NMs often occur in association with larger mineral grains, organic matter, or living organisms such as microbes, plants and fungi. The preservation of the spatial, textural, chemical, and mineralogical relations between NMs and minerals, organic matter, and organism (NM‐associations) is of fundamental importance as it provides information about the origin and formation mechanisms of NMs. Here we review analytical approaches and techniques to study NM‐associations at the bulk‐, micro‐, nano‐ and atomic‐scale. We will focus on (a) X‐ray diffraction and mass‐spectroscopy techniques; (2) automatisms within software packages that permit the search of features without operators; (3) preparation and analytical techniques such as the focused‐ion beam technology, transmission electron microscopy and atom probe tomography; (4) nano‐spectroscopic techniques such as tip‐enhanced Raman spectroscopy, synchrotron infrared nanospectroscopy, and nano‐X‐ray fluorescence spectroscopy; (5) ptychographic X‐ray computer tomography. This review paper concludes with selected new perspectives such as (a) the characterisation of NM‐precursors, (b) the role of NM‐associations in the stabilisation of soil organic matter and (c) the interaction of NM‐associations in wildfire smoke with contaminants from other sources.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».