Modelling the effect of water and zinc acetate concentrations on the size and morphology of <scp>ZnO</scp> nanoparticles obtained via the precipitation method
Notice bibliographique
Résumé
Abstract In a previous study, a model was proposed to explore the thermodynamic equilibrium involved in forming zinc oxide nanoparticles at specific conditions via precipitation, using zinc acetate and potassium hydroxide as precursors. In this current study, those parameters derived from the model that are theoretically affecting the particle size itself, such as water, zinc acetate, and potassium hydroxide concentrations, have been altered. Using data extracted from the model—including [Zn +2 ] concentration and pH—the trajectories of each reaction were plotted to ascertain the sizes of stable particles in equilibrium throughout the reaction's progression. Zinc oxide nanoparticles were experimentally obtained by varying reactant concentrations to validate the simulation outcomes. The resulting zinc oxide underwent morphological and structural characterization using transmission microscopy (TEM) and X‐ray diffraction (DRX). A strong correlation was observed between the sizes predicted by the model and those observed in the micrographs, showcasing nanoparticles ranging between 15 and 40 nm. Increasing the water concentration from 1.5 to 12 M resulted in an increase in particle size from 15 to 30 nm. In contrast, there was no change in particle size due to the rise in zinc acetate concentration from 0.081 to 0.81 M. Furthermore, the rapid addition of KOH led to the production of smaller particles on the order of 3 nm, likely attributed to the reaction occurring away from equilibrium. Reactant concentrations also influenced morphology alterations, allowing for the formation of faceted spheres or rods under specific conditions.
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 | 0,001 | 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 ».