MétaCan
Menu
Retour à la cohorte
Enregistrement W2889507523 · doi:10.3390/nano8090686

Nano-MnO2 Decoration of TiO2 Microparticles to Promote Gaseous Ethanol Visible Photoremoval

2018· article· en· W2889507523 sur OpenAlexafffund
M. Stucchi, Daria C. Boffito, Eleonora Pargoletti, G. Cerrato, Claudia L. Bianchi‬, G. Cappelletti

Notice bibliographique

RevueNanomaterials · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueTiO2 Photocatalysis and Solar Cells
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNano-EthanolMaterials scienceChemical engineeringNanotechnologyChemistryComposite materialOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

TiO2-based photocatalysis under visible light is an attractive way to abate air pollutants. Moreover, developing photocatalytic materials on a large-scale requires safe and low-cost precursors. Both high-performance TiO2 nanopowders and visible-light active noble metals do not match these requirements. Here, we report the design of novel Mn-decorated micrometric TiO2 particles. Pigmentary TiO2 replaced unsafe nano-TiO2 and firmly supported MnOx particles. Mn replaced noble metals such as Au or Ag, opening the way for the development of lower cost catalysts. Varying Mn loading or pH during the impregnation affected the final activity, thus giving important information to optimize the synthesis. Photocatalytic activity screening occurred on the gas-phase degradation of ethanol as a reference molecule, both under ultraviolet (UV) (6 h) and Light Emitting Diode (LED) (24 h) irradiation. Mn-doped TiO2 reached a maximum ethanol degradation of 35% under visible light after 24 h for the sample containing 20% of Mn. Also, we found that an acidic pH increased both ethanol degradation and mineralization to CO2, while an alkaline pH drastically slowed down the reaction. A strict correlation between photocatalytic results and physico-chemical characterizations of the synthesized powders were drawn.

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 seuil0,002

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)0,0010,000

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 Opus0,015
Tête enseignante GPT0,260
Écart entre enseignants0,245 · 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

Citations26
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujetTiO2 Photocatalysis and Solar CellsTravaux en français237 207