Green synthesis of <scp> MO <sub>2</sub> </scp> and Ag/ <scp> MO <sub>2</sub> </scp> (M = Ce and Ti) nanomaterials using Tulsi leaf extract and its application for <scp>CO</scp> oxidation: Insights into surface interaction
Notice bibliographique
Résumé
Abstract This study investigates the catalytic performance of MO 2 and Ag/MO 2 (M = Ce and Ti) nanoparticles using green synthesis route using Tulsi ( Ocimum sanctum ) leaf extract. The role of quercetin flavonoid was confirmed from the Fourier transform infrared (FTIR) analysis of leaf extract and the final samples. X‐ray diffraction (XRD) analysis confirms the pure phase of all the samples and with the addition of silver, the crystallite size increases and lattice strain decreases. Ag/TiO 2 exhibited pronounced structural deformation and phase transformation, likely due to the interaction between Ag and TiO 2 lattice sites. Brunauer–Emmett–Teller (BET) surface area demonstrates a drop in porosity and surface area with silver addition that attributes to the nanoparticle growth according to Ostwald ripening. Scanning electron microscopy (SEM) analysis confirms the increased particle agglomeration and morphological heterogeneity, further corroborating structural modifications induced by silver incorporation. X‐ray photoelectron spectroscopy (XPS) confirmed the presence of Ce, Ti, Ag, and O in varying oxidation states, with partial oxidation of Ag in Ag/TiO 2 contributing to lattice distortions and enhanced surface reactivity. Catalytic performance evaluations demonstrated enhanced CO oxidation activity in Ag/TiO 2 ( T 50% = 360°C) and Ag/CeO 2 ( T 50% = 264°C) systems, attributed to increased oxygen vacancy concentrations, improved electron transfer, and surface reactivity. The proposed reaction mechanism for the supported catalyst is the Mars–van Krevelen mechanism. These findings highlight the importance of Ag dispersion and structural integrity in enhancing the catalytic performance of metal oxide‐supported catalysts for CO oxidation. The insights offered pathways for designing efficient and sustainable catalysts for air purification and energy conversion technologies.
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) | 0,000 | 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 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 ».