Effect of Surfactants on Zero‐Valent Iron Nanoparticles (NZVI) Reactivity
Notice bibliographique
Résumé
Abstract Zero‐valent iron nanoparticles (NZVI) were synthesized and dispersed in solutions of sodium oleate (SO), sodium laurate (SL), sodium dodecyl phosphonate (SDP), and sodium dodecyl sulfate (SDS). The reactivity of these dispersions was evaluated to assess the impact of surfactants on the reduction rate of hydrophilic reactive black 5 (RB5) and hydrophobic carbon tetrachloride (CT) model contaminants. SO and SL, used at their critical micelle concentration (CMC), lowered the reduction rate of RB5 by two and three orders of magnitude, respectively. SO and SL also decreased the reduction rate of CT by up to one order of magnitude. SDS and SDP, at their CMC, decreased the reduction rate of RB5 by approximately 50‐fold, but increased the reduction rate of CT. The decrease in RB5 reduction rate might be explained by the formation of adsorbed surfactant species on the surface of NZVI that could hinder the transport of RB5 and other hydrophilic species. For SO and SL, the inhibition of RB5 and CT reduction might also be explained by the binding of carboxylates to NZVI. The increase in CT reduction rate with SDS and SDP suggests that providing a non‐binding lipophilic environment on the surface of NZVI would improve the reduction rate and selectivity towards the reduction of hydrophobic contaminants.
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) | 0,000 | 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 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 ».