MétaCan
Menu
Retour à la cohorte
Enregistrement W2024356710 · doi:10.1002/jctb.353

Gold adsorption from cyanide solution by chitinous materials

2001· article· en· W2024356710 sur OpenAlexaff
Hui Niu, Bohumil Volesky

Notice bibliographique

RevueJournal of Chemical Technology & Biotechnology · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdsorption and biosorption for pollutant removal
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSorptionChemistryCyanideAdsorptionChitinAmine gas treatingNuclear chemistryOxidizing agentGraftingFourier transform infrared spectroscopyMetalInorganic chemistryOrganic chemistryChitosanChemical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Adsorption of AuCN 2 − by chitinous materials such as acid‐washed crab‐shells burnt crab‐shells, as well as by chitin modified by quaternization of amine was affected by the pH of the sorption system. The maximum AuCN 2 − uptake by acid‐washed crab‐shells occurred at pH 3.7 corresponding to a final Au concentration of 0–0.025 m M . While this material did not bind any AuCN 2 − at pH 10, crab‐shells burnt in a non‐oxidizing atmosphere removed 90% of the metal under these alkaline conditions. SEM with EDXA analysis of the biosorbent showed that the heat treatment changed the ratio of C/O and created a highly porous material structure. FTIR results indicated that phenolic groups were the main sites responsible for AuCN 2 − binding on burnt acid‐washed shells. Chitin, the main component of crab‐shells, was modified by grafting tertiary amine to C‐3 and C‐6 on chitin to create quaternary amine groups. The presence of quaternary amine groups also made AuCN 2 − uptake possible at pH10. The results confirmed that certain chitinous materials are capable of effectively removing and concentrating anionic gold cyanide from both acidic and alkaline solutions if pretreated by appropriate physical or chemical methods. © 2001 Society of Chemical Industry

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,064
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,006
Tête enseignante GPT0,209
Écart entre enseignants0,203 · 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 tête enseignante, pas un consensus.

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

Citations17
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Technology & BiotechnologyMême sujetAdsorption and biosorption for pollutant removalTravaux en français237 207