Synthèse de nanoparticules d'or stabilisées par des carbènes N-hétérocycliques à l'aide d'un cadre organique covalent
Bibliographic record
Abstract
Les nanoparticules métalliques (MNPs) trouvent des applications étendues dans plusieurs domaines de la science et de la technologie. Au cours de la dernière décennie, les carbènes Nhétérocycliques (NHC) ont émergé comme des alternatives prometteuses aux thiols couramment utilisés pour stabiliser les NPs. La meilleure stabilité des NPs revêtues de NHC, due à une forte liaison métal-NHC, a alimenté leur utilisation croissante en nanomédecine et en catalyse. Dans le contexte de leur utilisation en catalyse, le développement de NPs avec une distribution de taille étroite sera avantageux pour améliorer leur activité catalytique. En parallel, les structures organiques covalentes (COFs) se caractérisent par leur grande surface spécifique, leur forte porosité et leur taille de pore uniforme. Dans cette étude, Les résultats sur l'utilisation des COFs comme templates viables dans La synthèse des nanoparticules d'or (AuNPs) décorées de NHC, avec un contrôle précis de leur taille, est décrite. L'effet de l'incorporation du précurseur de complexe NHC-Au dans la structure COF, que ce soit pendant ou après la formation du COF, sur la taille et la distribution de taille des AuNPs résultantes a été systématiquement étudié dans le cadre de ce projet de recherche. L'utilisation des matériaux hybrides COF@NHC-AuNP résultants dans la réduction catalytique hétérogène du 4-nitrophénol a également été abordée. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : : carbène N-hétérocyclique, structures organiques covalentes, nanocatalyseur, nanoparticules d'or, catalyse hétérogène
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 | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 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".