MétaCan
Menu
Retour à la cohorte
Enregistrement W3006732853 · doi:10.3390/catal10020263

Electrochemical Oxidation of an Organic Dye Adsorbed on Tin Oxide and Antimony Doped Tin Oxide Graphene Composites

2020· article· en· W3006732853 sur OpenAlexafffund
Farbod Sharif, Edward P.L. Roberts

Notice bibliographique

RevueCatalysts · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésGrapheneMaterials scienceNanocompositeAdsorptionTin oxideChemical engineeringElectrochemistryOxideRaman spectroscopyScanning electron microscopeInorganic chemistryComposite materialElectrodeChemistryNanotechnologyMetallurgyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Electrochemical regeneration suffers from low regeneration efficiency due to side reactions like oxygen evolution, as well as oxidation of the adsorbent. In this study, electrically conducting nanocomposites, including graphene/SnO2 (G/SnO2) and graphene/Sb-SnO2 (G/Sb-SnO2) were successfully synthesized and characterized using nitrogen adsorption, scanning electron microscopy, transmission electron microscopy, and Raman spectroscopy. Thereafter, the adsorption and electrochemical regeneration performance of the nanocomposites were tested using methylene blue as a model contaminant. Compared to bare graphene, the adsorption capacity of the new composites was ≥40% higher, with similar isotherm behavior. The adsorption capacity of G/SnO2 and G/Sb-SnO2 were effectively regenerated in both NaCl and Na2SO4 electrolytes, requiring as little charge as 21 C mg−1 of adsorbate for complete regeneration, compared to >35 C mg−1 for bare graphene. Consecutive loading and anodic electrochemical regeneration cycles of the nanocomposites were carried out in both NaCl and Na2SO4 electrolytes without loss of the nanocomposite, attaining high regeneration efficiencies (ca. 100%).

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 seuil0,003

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,246
Écart entre enseignants0,236 · 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

Citations30
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCatalystsMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207