Influence of Collector Surface Composition and Water Chemistry on the Deposition of Cerium Dioxide Nanoparticles: QCM-D and Column Experiment Approaches
Notice bibliographique
Résumé
The deposition behavior of cerium dioxide (CeO(2)) nanoparticles (NPs) in dilute NaCl solutions was investigated as a function of collector surface composition, pH, ionic strength, and organic matter (OM). Sensors coated separately with silica, iron oxide, and alumina were applied in quartz crystal microbalance with dissipation (QCM-D) to examine the effect of these mineral phases on CeO(2) deposition in NaCl solution (1-200 mM). Frequency and dissipation shift followed the order: silica > iron oxide > alumina in 10 mM NaCl at pH 4.0. No significant deposition was observed at pH 6.0 and 8.5 on any of the tested sensors. However, ≥ 94.3% of CeO(2) NPs deposited onto Ottawa sand in columns in 10 mM NaCl at pH 6.0 and 8.5. The inconsistency in the different experimental approaches can be mainly attributed to NP aggregation, surface heterogeneity of Ottawa sand, and flow geometry. In QCM-D experiments, the deposition kinetics was found to be qualitatively consistent with the predictions based on the classical colloidal stability theory. The presence of low levels (1-6 mg/L) of Suwannee River humic acid, fulvic acid, alginate, citric acid, and carboxymethyl cellulose greatly enhanced the stability and mobility of CeO(2) NPs in 1 mM NaCl at pH 6.5. The poor correlation between the transport behavior and electrophoretic mobility of CeO(2) NPs implies that the electrosteric effect of OM was involved.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».