MétaCan
Menu
Retour à la cohorte
Enregistrement W1998941305 · doi:10.1021/am403222u

Adsorption and Desorption of Methylene Blue on Porous Carbon Monoliths and Nanocrystalline Cellulose

2013· article· en· W1998941305 sur OpenAlexaff
Xiaoyun He, Keith B. Male, Pavel N. Nesterenko, Dermot Brabazon, Brett Paull, John H. T. Luong

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdsorption and biosorption for pollutant removal
Établissements canadiensNational Research Council Canada
Organismes subventionnairesScience Foundation Ireland
Mots-clésAdsorptionDesorptionMethylene blueMaterials scienceNanocrystalline materialActivated carbonAcetonitrileLangmuir adsorption modelChemical engineeringCarbon fibersMonolithGibbs free energyCelluloseNuclear chemistryChromatographyOrganic chemistryChemistryCatalysisNanotechnologyComposite material

Résumé

récupéré en direct d'OpenAlex

The dynamic batch adsorption of methylene blue (MB), a widely used and toxic dye, onto nanocrystalline cellulose (NCC) and crushed powder of carbon monolith (CM) was investigated using the pseudo-first- and -second-order kinetics. CM outperformed NCC with a maximum capacity of 127 mg/g compared to 101 mg/g for NCC. The Langmuir isotherm model was applicable for describing the binding data for MB on CM and NCC, indicating the homogeneous surface of these two materials. The Gibbs free energy of -15.22 kJ/mol estimated for CM unravelled the spontaneous nature of this adsorbent for MB, appreciably faster than the use of NCC (-4.47 kJ/mol). Both pH and temperature exhibited only a modest effect on the adsorption of MB onto CM. The desorption of MB from CM using acetonitrile was very effective with more than 94 % of MB desorbed from CM within 10 min to allow the reusability of this porous carbon material. In contrast, acetonitrile was less effective than ethanol in desorbing MB from NCC. The two solvents were incapable of completely desorbing MB on commercial granular coal-derived activated carbon.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,199
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations371
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetAdsorption and biosorption for pollutant removalTravaux en français237 207