Method for Obtaining Silver Nanoparticle Concentrations within a Porous Medium via Synchrotron X-ray Computed Microtomography
Notice bibliographique
Résumé
Attempts at understanding nanoparticle fate and transport in the subsurface environment are currently hindered by an inability to quantify nanoparticle behavior at the pore scale (within and between pores) within realistic pore networks. This paper is the first to present a method for high resolution quantification of silver nanoparticle (nAg) concentrations within porous media under controlled experimental conditions. This method makes it possible to extract silver nanoparticle concentrations within individual pores in static and quasi-dynamic (i.e., transport) systems. Quantification is achieved by employing absorption-edge synchrotron X-ray computed microtomography (SXCMT) and an extension of the Beer-Lambert law. Three-dimensional maps of X-ray mass linear attenuation are converted to SXCMT-determined nAg concentration and are found to closely match the concentrations determined by ICP analysis. In addition, factors affecting the quality of the SXCMT-determined results are investigated: 1) The acquisition of an additional above-edge data set reduced the standard deviation of SXCMT-determined concentrations; 2) X-ray refraction at the grain/water interface artificially depresses the SXCMT-determined concentrations within 18.1 μm of a grain surface; 3) By treating the approximately 20 × 10(6) voxels within each data set statistically (i.e., averaging), a high level of confidence in the SXCMT-determined mean concentrations can be obtained. This novel method provides the means to examine a wide range of properties related to nanoparticle transport in controlled laboratory porous medium experiments.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».