Détermination du destin des nanoparticules d'argent dans les eaux usées et dans les biosolides en utilisant la microscopie en champ sombre et analyse hyperspectrale
Bibliographic record
Abstract
Les nanomatériaux sont une classe de produits contaminants émergents et qui sont présents en concentrations croissantes dans l’environnement. Dans les milieux environnementaux complexes, leur détection est souvent compliquée par les interférences provenant des matrices environnementales. L'objectif de ce travail était de voir si c’était possible de suivre et de comprendre le sort des nanoparticules d'argent dans les eaux usées à l'aide de microscopie améliorée en champ sombre (EDM) couplé à l’analyse/imagerie hyperspectrale (HSI). En effet, lorsqu'il est couplée à une analyse pixel par pixel, EDM peut être utilisée pour dépister la présence de nanoparticules, et pour localiser, identifier et suivre leur sort in situ. La transformation de plusieurs nanoparticules d'argent différentes (40, 80 et 100 nm) avec différents revêtements (citrate et polyvinylpyrrolidone) a été analysée dans des milieux complexes (eaux usées, biosolides). Les résultats ont montré que, lorsqu’ajouté dans des systèmes complexes contenant de la matière organique naturelle, certaines nanoparticules sont rapidement transformées (sur une période de 2 heures), comme indiqué par un changement de la longueur d'onde attribuée à leur résonance plasmonique (450-570 nm), conduisant à une diminution de l'intensité du signal de 95%. Sur la base de résultats complémentaires obtenus par diffusion de lumière dynamique (DLS) et de spectroscopie de masse à plasma à couplage inductif de particules uniques (SP-ICP-MS), il a été possible d'attribuer les changements non à l'agrégation des particules ou la dissolution, mais plutôt à une modification de la nature des particules en raison de l'adsorption de la matière organique sur leur surface. Ce travail montrera que les propriétés des nanoparticules dans les systèmes complexes sont très différentes de celles des systèmes simples.
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 | 0.000 | 0.000 |
| 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 | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".