Ultrasonication process‐induced highly dispersed <scp> SiO <sub>2</sub> </scp> on <scp>ZnO</scp> nanoparticles for improving catalyst dispersibility and photocatalyst performances
Notice bibliographique
Résumé
Abstract Creating a highly dispersed ZnO is one strategy to improve the photocatalytic activity of this material. However, pure ZnO always presents in an agglomerate state. The current study aimed to improve the dispersibility by adding SiO 2 particle through ultrasonication. The amount of SiO 2 particle is crucial to maintain a good dispersibility. The impact of silica ratio and ultrasonication time on particle morphology and photocatalytic performance were studied to obtain a nanocomposite with a good dispersibility. Composites were prepared with silica mass ratios ranging from 0.25% to 1.15% and exposed to ultrasonication for 10–240 min. Characterization methods, including x‐ray diffraction (XRD), Fourier transform infrared (FTIR), dynamic light scattering (DLS), and transmission electron microscopy (TEM), revealed that a 0.25% silica ratio resulted in smaller, uniformly distributed particles. Longer ultrasonication enhanced cavitation effects, improving particle dispersion and reducing agglomeration. Photocatalytic tests showed composites with lower silica ratios and optimized ultrasonication achieved 96.5% methylene blue (MB) degradation within 60 min of sunlight exposure ( k = 0.0200 min −1 ), linked to increased surface area and ZnO dispersion. Photoluminescence (PL) analysis confirmed that 0.25% silica produced the highest PL intensity, correlating with superior photocatalytic activity. This study emphasizes the importance of optimizing silica ratio and ultrasonication time for designing efficient photocatalytic materials.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».