Synthesis, characterization, and application of Fe<sub>3</sub>O<sub>4</sub>/Ag magnetic composites for mercury removal from water
Notice bibliographique
Résumé
Engineered nanocomposites (NCs) have recently emerged as materials of great scientific and technological interest. In these materials, different components are combined to yield a nanoentity with desired properties not afforded by the constituent materials. Designing novel NCs and synthetic routes that enable controlling the size and functionalities remains an active area of research. Here, we present a two-step method of synthesizing Ag–Fe 3 O 4 NCs with tunable sizes. Unlike previously reported structures, the prepared NCs do not have a familiar core–shell architecture. Instead, small Fe 3 O 4 nanoparticles (NPs) are embedded in a larger silver matrix. The superparamagnetic Fe 3 O 4 NPs endow the NC with magnetic properties, enabling easy separation from solution. The degree of the NC response to an external magnetic field can be controlled by varying the concentration of Fe 3 O 4 NPs during the synthesis. The Ag matrix serves to protect the embedded Fe 3 O 4 NPs from degradation and can be used for further functionalization of the NCs with different sulfhydryl containing linkers. To demonstrate utility, we show how decorating the outer layer of the Ag NC with diphenyl-4,4'-dithiol transforms the NCs into a water purifying system capable of sequestering highly toxic Hg 2+ ions from solution magnetically.
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) | 0,001 | 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 ».