CO2-Responsive Graft Modified Chitosan for Heavy Metal (Nickel) Recovery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Chitosan was chemically functionalized with poly(diethylaminoethyl methacrylate) (PDEAEMA) using a grafting to approach to produce a CO₂-responsive material for adsorbing metals from wastewater streams. A need for improved economical and greener approaches to recover heavy metals from wastewater streams exists due to increasing resource scarcity. Chitosan is currently used as an adsorbent for heavy metals but suffers from some properties that can be disadvantageous to its effectiveness; it is difficult to effectively disperse in water (which limits available surface area) and to regenerate. We set out to improve its effectiveness by grafting CO₂-responsive tertiary amine containing polymers onto the chitosan backbone, with the goals of preparing and assessing a new type of adsorbent based on a novel concept; using carbon dioxide switchable polymers to enhance the performance of chitosan. PDEAEMA chains prepared by nitroxide-mediated polymerization were grafted onto chitosan functionalized with glycidyl methacrylate. In carbonated water, the grafted chitosan displayed improved dispersibility and exhibited a Ni(II) adsorption capacity higher than several other chemically functionalized chitosan variants reported in the literature with the regenerated material having a higher capacity than all physical and chemical derivatives reported in the literature. The results of this study validate the continued development of this material for applications in heavy metal removal and recovery from wastewater streams.
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.
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 | 0,000 | 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 découle