Développement des nanoélectrodes et utilisation de la microscopie électrochimique à balayage pour la détection du peroxyde d'hydrogène
Bibliographic record
Abstract
La réaction électrochimique de réduction d'oxygène (RRO) peut impliquer des processus qui se déroulent à la surface d'un catalyseur. Peu de méthodes électrochimiques permettent d'étudier ces processus localement. La microscopie électrochimique à balayage (SECM) est un outil qui permet d'étudier des réactions électrochimiques dans un espace très restreint de dimension micrométrique ou même nanométrique. La résolution de la SECM dépend de la taille de l'électrode utilisée. Dans ce mémoire, une méthode reproductible de fabrication de microélectrodes de géométrie disque et de diamètre entre 50 nm et 1 um a été développée. La procédure de fabrication implique l'utilisation d'une étireuse de pipette pour produire des microélectrodes en 4 étapes, suivie d'un polissage mécanique. Les microélectrodes ainsi obtenues ont été caractérisées par microscopie optique, microscopie électronique à balayage, microscopie électrochimique à balayage et voltampérométrie cyclique. Ces microélectrodes ont été utilisées pour l'étude de l'activité catalytique de la porphyrine de cobalt déposée sur l'or et le carbone vitreux par l'intermédiaire de l'aminothiophénol en utilisant la microscopie électrochimique à balayage (SECM) en mode substrat génération/tip collection. Dans cette expérience, le H202 a été généré sur le substrat par réduction de O2 à différents potentiels. L'utilisation d'une microélectrode nanométrique a permis de déterminer la cinétique de la catalyse de la RRO par des porphyrines en utilisant un modèle de simulation numérique. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : réduction d'oxygène, microscopie électrochimique à balayage, métalloporphyrines, thiols autoassemblés sur l'or, microélectrodes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".