Effect of Sonication Pre-treatment of TiO2 Catalyst for Photo-Degradation of Acid Orange 7 Azo Dye
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
In this study, Acid Orange 7 azo dye was degraded on TiO2 catalyst layer illuminated with ultra-violet light. The TiO2 suspension had prior been sonicated at 20 kHz before electrophoretic deposition on smooth stainless steel surfaces, with the aim of increasing the efficiency of azo dyes degradation. The effect of sonication on the TiO2 suspension of 10 g.L-1 and electrophoretic deposition loading to layers on surfaces was studied. Morphological properties of the electrophoretic layers from two different suspensions, Alpha and Sigma TiO2 were characterized by Scanning Electron Microscopy to establish the specific surface properties, particle loading and crystalline sizes. A four–position reactor was used for dye degradation experiments under Ultra Violet light at 355 nm wavelength. The degradation of the azo dye was monitored at 30minutes interval for a total of 2 hours using Ultra Violet-Visible Spectrophotometer at λ = 485 nm. It was found out that 60% of dye degradation was achieved after 120 minutes without sonication pretreatment. Sonication pre-treatment resulted in 71.42% increase on the rate of photo-degradation, at a loading of 0.32 mg/cm2. Particulate layers coated with Alpha TiO2 showed more photoactivity compared to Sigma TiO2. Scanning Electron Microscopy indicated that Alpha TiO2 had  50 m2/g surface area and  28 nm crystal size compared to Sigma TiO2 with 10 m2/g and 169 nm crystal size. This study shows that sonication pretreatment of Alpha TiO2 /UV light system is most effective in photo-degrading Acid Orange 7 dye.
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