Recyclable Graphene Oxide-Supported Titanium Dioxide Photocatalysts with Tunable Properties
Notice bibliographique
Résumé
A modular synthesis technique was developed for producing graphene-supported titanium dioxide photocatalysts. The modular synthesis allowed for simple tuning of the ratio of particle loading on the graphene oxide (GO) surface as well as good photocatalytic activity of the composite and quick, efficient magnetic separability. GO flakes were used as a support for titanium dioxide nanoparticles and SiO2 insulated nano-sized magnetite aggregates. Different composition ratios were tested, resulting in a catalyst formulation with photocatalytic activity exceeding that of a commercial photocatalyst by a factor of 1.2 as well as excellent recyclability, with the capability to degrade 3 mg/L methylene blue in aqueous solution over 10 consecutive trials with minimal loss in photocatalytic efficiency. Recovery of the catalyst was achieved by simply exposing the nanocomposite to a magnetic field for ∼1 minute. Furthermore, it was found that the catalyst could be regenerated to its initial efficiency through simple UV treatment to provide additional re-use. To highlight the importance of the nanocomposite to the current water treatment industry, we showed rapid degradation of pharmaceutical compounds caffeine and carbamazepine within 60 min. The nanocomposite shows activity exceeding that of commercial photocatalyst P25 with the added benefit of being fully recoverable, reusable, and easy to produce. Overall, a simple technique for producing and tuning an effective magnetically recyclable nanocomposite was developed which should allow easy scalability and industrial production, a factor critical for the implementation of nano-based water treatment techniques.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».