MétaCan
Menu
Retour à la cohorte
Enregistrement W4403432490 · doi:10.1021/acs.langmuir.4c02495

Synthesis and Magnetic Properties of Spherical Maghemite Nanoparticles with Tunable Size and Surface Chemistry

2024· article· en· W4403432490 sur OpenAlexaff
Sakina Meftah, Anh‐Tu Ngo, Laurent Bouteiller, V. Russier, David Hrabovský, Adama Konaté, D. Kondo, Fahmi Bédoui, Isabelle Lisiecki

Notice bibliographique

RevueLangmuir · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueIron oxide chemistry and applications
Établissements canadiensProcess Simulations Limited (Canada)
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésMaghemiteNanoparticleThermal decompositionAlkylChemistryMagnetic nanoparticlesChemical engineeringDecompositionTransmission electron microscopyNanotechnologyOrganic chemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

We report the synthesis of uniform populations of spherical maghemite nanoparticles by thermal decomposition of iron precursors with tunable diameters centered at 3.3, 7.5, and 12.0 nm and tunable surface chemistry. The three stabilizing ligands were fatty acids with three different alkyl chain lengths (18, 12, and 8 carbon atoms). The unprecedented accurate control of the surface chemistry is made possible by the use of three types of iron complexes, that is, iron oleate (C18), iron dodecanoate (C12), and iron octanoate (C8), associated with fatty acid ligands having the same alkyl chain length, that is, oleic acid (C18), dodecanoic acid (C12), and octanoic acid (C8). Since the thermal decomposition of the iron precursor varies with the chain length, no general rules can be applied to control the nanoparticle size, but optimal synthesis conditions have been investigated to induce the growth of nanoparticles with three different surface chemistries, keeping the diameters centered at 3.3, 7.5, and 12.0 nm. Finally, structural characterization of the nine populations of maghemite nanoparticles was performed by transmission electron microscopy and X-ray diffraction, and magnetic properties were determined by using SQUID magnetometry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,244

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,182
Écart entre enseignants0,175 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetIron oxide chemistry and applicationsTravaux en français237 207