Optimizing Reductive Degradation of PAHs Using Anhydrous Ethanol with Magnesium Catalyzed by Glacial Acetic Acid
Notice bibliographique
Résumé
Abstract Targeted degradation of individual polycyclic aromatic hydrocarbon (PAH) constituents like anthracene, may offer cost effective and efficient cleaning of coal tar-contaminated sites. Thus, a reductive degradation procedure of anthracene using activated magnesium with anhydrous ethanol at room temperature was developed and optimized. To determine the optimum conditions for anthracene, such as effective magnesium concentrations, glacial acetic acid volumes, and exposure time for the anthracene reduction, the experiments were designed using the response surface methodology based on the central composite design. The design also minimized the number of experiments. The main product from anthracene reduction is 9,10-dihyrdoanthracene. Optimum conditions for 98% degradation capacity of anthracene (2.80 × 10–3 mmol) were 30 mg of Mg powder (1.20 mmol), 60 μL of glacial acetic acid (1.05 mmol), and 30 min exposure time. When the optimized method was tested on the coal tar specimen, twice as many reagents (i.e., Mg and glacial acetic acid) were required to obtain a 90% degradation of anthracene and fluoranthene from the coal tar. This method of using activated Mg and anhydrous ethanol selectively reduces PAHs in coal tar; in particular anthracene and fluoranthene are most efficiently removed.
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) | 0,001 | 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 ».