Photonic Control of Nanoparticle Morphology via Continuous-Wave and Femtosecond Laser Irradiation: Mechanisms, Tunability, and Emerging Applications
Notice bibliographique
Résumé
Green synthesis combined with laser-assisted modification offers a sustainable route for tailoring the properties of silver nanoparticles (AgNPs).In this study, lemon juice extract was employed as a natural reducing and stabilizing agent to produce AgNPs, which were subsequently exposed to continuous-wave (CW) and femtosecond (fs) laser irradiation.UV-Visible Spectroscopy (UV-Vis) analysis showed a blue shift of the localized surface plasmon resonance (LSPR) peak from 435 nm (control) to 426 nm (CW) and 415 nm (fs), with spectral narrowing that reflected improved size uniformity.Transmission Electron Microscopy (TEM) measurements confirmed a reduction in mean particle size from 31.5 ± 7.8 nm (control) to 22.5 ± 4.5 nm (CW) and 16.8 ± 3.2 nm (fs), with fs irradiation also producing anisotropic features.X-Ray Diffraction (XRD) revealed retention of the face-centered cubic (FCC) structure, while crystallite size decreased from 27.8 nm (control) to 21.2 nm (CW) and 17.5 nm (fs).Fourier Transform Infrared Spectroscopy (FTIR) spectra indicated partial removal of phytochemical capping after fs exposure, and Dynamic Light Scattering (DLS) results demonstrated reduced hydrodynamic size and polydispersity index (0.276 → 0.126).Collectively, the findings highlight fs laser treatment as a powerful tool for achieving smaller, monodisperse, and structurally refined AgNPs, broadening their applicability in biomedical, catalytic, and environmental domains.
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 ».