MétaCan
Menu
Back to cohort
Record W2955638886 · doi:10.71781/11645

Détection et caractérisation de nanoparticules d’oxyde de zinc par spectrométrie de masse à plasma inductif en mode particule unique (single-particle ICPMS)

2018· dissertation· fr· W2955638886 on OpenAlexfundno aff
Laurie Fréchette-Viens

Bibliographic record

VenueOpen MIND · 2018
Typedissertation
Languagefr
FieldEngineering
TopicLubricants and Their Additives
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of Canada
KeywordsPhysicsChemistry

Abstract

fetched live from OpenAlex

Les nanoparticules d’oxyde de zinc (ZnO NP) sont parmi les plus utilisées en industrie. Leur production croissante dans divers secteurs comme les cosmétiques et l’agriculture mène inévitablement à une augmentation de leur présence dans l’environnement, alors que leur risque écologique et leur persistance y sont méconnus. Cette problématique est en partie causée par les faibles concentrations auxquelles elles s’y trouvent, souvent inférieures aux limites de détection des méthodes analytiques classiques. Ainsi, le développement d’une méthode sensible et sélective, telle que la spectrométrie de masse à plasma inductif en mode particule unique (SP-ICPMS), est nécessaire. En permettant la détection une à une de particules métalliques à des concentrations de l’ordre des ng L-1, la SP-ICPMS est prometteuse pour la caractérisation des nanomatériaux (NM) métalliques en milieu aqueux. Toutefois, son utilisation est limitée pour les métaux qui, comme le zinc, se dissolvent rapidement, ou dont la concentration ionique est grande en solution car la limite de détection en taille est alors plus élevée. Lors de ces travaux, une résine échangeuse d’ions a été couplée avec la SP-ICPMS afin de retirer les Zn2+ et ses complexes labiles présents en solution avant l’analyse des suspensions de ZnO NP. Cette technique a été adaptée avec succès sur un instrument ICPMS de grande sensibilité, permettant de diminuer la limite de détection en taille de ZnO NP de 32 à 8,2 nm dans l’eau déionisée. Pour tester la méthode en milieu naturel, des ZnO NP ont été ajoutées à une eau de rivière et leur distribution de taille ainsi que leur concentration ont été analysées. Après 24 h, les particules ajoutées étaient plus stables dans l’eau de rivière qu’elles ne l’étaient dans l’eau déionisée, probablement en raison de son pH plus élevé. De même, la méthode développée a permis l’analyse de colloïdes naturels contenant du zinc et du cuivre dans une eau de rivière et dans une eau de pluie. La stabilité des particules dans ce milieu a par ailleurs été suivie pendant un mois, durant lequel le contenu métallique de ces particules ne s’est que légèrement dissous.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.052
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.023
GPT teacher head0.293
Teacher spread0.270 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueOpen MINDSame topicLubricants and Their AdditivesFrench-language works237,207