MétaCan
Menu
Retour à la cohorte
Enregistrement W2523642549 · doi:10.1002/cjce.22693

Removal of lead (II) and cadmium (II) cations from water using surface‐modified graphene

2016· article· en· W2523642549 sur OpenAlexaffvenue
Sabra Hemidouche, Lilya Boudriche, Amel Boudjemaa, Safia Hamoudi

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensUniversité LavalCentre in Green Chemistry and Catalysis
Organismes subventionnairesnon disponible
Mots-clésGrapheneAdsorptionFreundlich equationRaman spectroscopyLangmuirX-ray photoelectron spectroscopyAqueous solutionGraphiteLangmuir adsorption modelChemistryInorganic chemistryMaterials scienceChemical engineeringAnalytical Chemistry (journal)Physical chemistryNanotechnologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

With its unique structure, graphene exhibits a number of outstanding mechanical, optical, and electronic properties, thus promising several potential applications. In the current work, graphene sheets were prepared from graphite and surface‐modified via an acid treatment. The synthesized material physicochemical properties were assessed using X‐ray diffraction, nitrogen adsorption and BET analysis, transmission electron microscopy, and Raman as well as X‐ray photoelectron spectroscopy techniques. The ability of the surface‐modified graphene in the adsorptive elimination of Pb(II) and Cd(II) cations from aqueous solutions was investigated batchwise under numerous experimental conditions. A pseudo‐second order kinetic model described adequately the adsorption kinetic profiles. The adsorption isotherms were compared to the Langmuir and Freundlich models. It was found that for both heavy metal cations, adsorption isotherms were reasonably described by Langmuir model equation. Maximum adsorption capacities reached 0.946 and 1.779 mmol ion/g for Pb(II) and Cd(II), respectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,229
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetGraphene research and applicationsTravaux en français237 207