Magnetic nanocomposite beads: synthesis and uptake of Cu(II) ions from aqueous solutions
Notice bibliographique
Résumé
Sodium alginate and magnetic iron oxide nanoparticles were combined to produce magnetic nanocomposite beads that were used for the removal of Cu(II) from aqueous solutions at a temperature of 25 °C and a stirring rate of 150 rpm. The different parameters affecting the adsorption capacity of the synthesized material such as contact time (30–270 min), pH (3–7), adsorbent dosage (5–10 g per 50 mL of wet beads), and initial Cu(II) concentration (50–450 mg/L) were investigated. Of all of the variables, the solution pH has the most significant effect on the adsorption capacity, particularly in the range of 4–6. Response surface methodology was used for modeling and optimizing the uptake process. While the experimental data were well described by the pseudo-second-order model, the adsorption isotherms were better fitted by the Langmuir equation. The results revealed that the maximum removal percentage was 92.6% from the initial Cu(II) concentration (150 mg/L) at pH 6, adsorbent dose (8.0 g/50 mL), and contact time (210 min). Therefore, the synthesized magnetic nanocomposite product could act as a highly effective nanoadsorbent in Cu(II) removal from the aqueous solutions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».