Fe<sub>3</sub>O<sub>4</sub> Nanoparticles and Carboxymethyl Cellulose: A Green Option for the Removal of Atmospheric Benzene, Toluene, Ethylbenzene, and <i>o</i>-Xylene (BTEX)
Notice bibliographique
Résumé
In this work, we investigate the interaction of gaseous benzene, toluene, ethylbenzene, and o -xylene (BTEX) with Fe 3 O 4 nanoparticles and demonstrate the potential application of Fe 3 O 4 nanoparticles as adsorbents for BTEX. On the basis of X-ray diffraction, transmission electron microscopy, gas chromatography–mass spectrometry, and gas chromatography–flame ionization detection results, using toluene as a model compound, we find that adsorption is of a heterogeneous nature. At relatively high concentrations of toluene (300–2790 ppmv), X-ray photoelectron spectroscopy results indicate an increase in the divalent cations relative to the trivalent cations of Fe 3 O 4 nanoparticles, which is possibly triggered by nanoscale effects. Removal efficiency experiments show that Fe 3 O 4 nanoparticles (4 g) reduce 100 ppmv of BETX in air by 83 ± 8%, 95 ± 5%, 97 ± 1%, and 98 ± 2%, respectively. Comparable removal efficiencies were observed for recycled Fe 3 O 4 nanoparticles. Toluene was also removed from a flow by Fe 3 O 4 nanoparticles bound together with carboxymethyl cellulose, without releasing undesired aerosols. Fe 3 O 4 nanoparticles (bare and as a composite) show potential as practical and environmental friendly materials for the remediation of BTEX from air.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 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 ».