Electrochemical Water Treatment Using Graphene, Graphene Foam and Graphene / Metal Oxide Composites
Notice bibliographique
Résumé
Combining adsorption with electrochemical oxidation has been shown to be effective for the removal and oxidation of dissolved and dispersed organic contaminants from water, using a graphite flake adsorbent. In order to increase the adsorption capacity, we have investigated the use of graphene based adsorbents, which have high specific surface area combined with electrochemical activity. We have prepared and tested reduced graphene oxide (RGO), graphene foam and graphene metal oxide composite materials. RGO offer significantly higher adsorptive capacity than graphite flake. Similarly graphene foam was found to have a high adsorption capacity, although the adsorption kinetics were poor due to the slow diffusion of conatminants into the foam pores. A graphene foam would be more readily separated from the treated water and further work is planned to determine whether a flow through treatment process can be used to overcome the slow adsorption kinetics. However, during electrochemical oxidation, the structural integrity of the foam was compromised after only 1 or 2 cycles, presumably due to oxidation of the graphene. A graphene / iron oxide composite was preapred with ferromagnetic characteristics to enable separation from the treated water. The adsorption capcity was slightly reduced, but the electrochemcial regeneration performance was good. Oxidation of graphene remains a challenge, and work is ongoing to explore the use of graphene / titanium dioxide composites. The TiO2 will catalyse the organic oxidation and may also protect the graphene from oxidation.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».