MétaCan
Menu
Retour à la cohorte
Enregistrement W2320624414 · doi:10.1166/jnn.2012.6437

A Study of Silver Species on Silver-Exchanged ETS-10 and Mordenite by XRD, SEM and Solid-State <sup>109</sup>Ag, <sup>29</sup>Si and <sup>27</sup>Al NMR Spectroscopy

2012· article· en· W2320624414 sur OpenAlexaff
Yan Liu, Fu Chen, Roderick E. Wasylishen, Zhenghe Xu, James A. Sawada, Steven M. Kuznicki

Notice bibliographique

RevueJournal of Nanoscience and Nanotechnology · 2012
Typearticle
Langueen
DomaineChemistry
ThématiqueRadioactive element chemistry and processing
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMordeniteMolecular sieveMaterials scienceSolid-state nuclear magnetic resonanceZeoliteSolid-stateAdsorptionCharacterization (materials science)Analytical Chemistry (journal)Silver nanoparticleNuclear chemistryPhysical chemistryNanotechnologyNuclear magnetic resonanceNanoparticleChemistryCatalysisOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Silver zeolites, especially Ag-ETS-10 and Ag-mordenite, actively bind xenon and iodine, two prime contaminants common to nuclear accidents. The evolution of silver species on silver exchanged ETS-10 (Ag/ETS-10) and mordenite (Ag/Mor) has been investigated by exposing the materials to a series of activation conditions in Ar, air and H2. The samples were characterized by XRD, SEM and solid-state 109Ag, 29Si and 27AI MAS NMR. The silver reduction and structural evolution have been illustrated by those techniques. The effectiveness of one sample of each type of sieve was tested for its ability to trap mercury from a gas stream. However, the results from this study demonstrate that the adsorption characteristics of silver-loaded sieves cannot necessarily be predicted using a full complement of structural characterization techniques, which highlights the importance of understanding the formation and nature of silver species on molecular sieves.

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 enseignants0,001
Score d'incertitude au seuil0,003

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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,271
Écart entre enseignants0,256 · 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

Citations11
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nanoscience and NanotechnologyMême sujetRadioactive element chemistry and processingTravaux en français237 207