MétaCan
Menu
Retour à la cohorte
Enregistrement W3021896353 · doi:10.1038/s41598-020-64096-z

Single- and double-walled boron nitride nanotubes: Controlled synthesis and application for water purification

2020· article· en· W3021896353 sur OpenAlexaff
Hyunjin Cho, Jun Hee Kim, Jae Hun Hwang, Cheol Sang Kim, Se Gyu Jang, Cheol Park, Hunsu Lee, Myung Jong Kim

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensNational Research Council Canada
Organismes subventionnairesKorea Institute of Science and TechnologyMinistry of Trade, Industry and EnergyGachon University
Mots-clésBoron nitrideMaterials scienceChemical engineeringAdsorptionDiffusionBoronNanotechnologyChemistryThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Research interest in boron nitride nanotubes (BNNTs) has increased after the recent success of large-scale BNNT syntheses using high-temperature-pressure laser ablation or high-temperature plasma methods. Nonetheless, there are limits to the application and commercialization of these materials because of the difficulties associated with their fine structural control. Herein, the growth kinetics of BNNTs were systemically studied for this purpose. The growth pressure of the nitrogen feed gas was varied while the growth temperature remained constant, which was confirmed by black body radiation measurements and calculations based on a heat loss model. Changing from the diffusion-limited regime to the supply-limited regime of growth kinetics based on the optimized BNNT synthesis condition afforded the control of the number of BNNT walls. The total amount of BNNTs possessing single and double walls was over 70%, and the BNNT surface area increased to 278.2 m 2 /g corresponding to small wall numbers and diameters. Taking advantage of the large surface area and high-temperature durability of the material, BNNTs utilized as a recyclable adsorbent for water purification. The efficiency of the BNNTs for capturing methylene blue particles in water was approximately 94%, even after three repetition cycles, showing the potential of the material for application in the filter industry.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,021
Score d'incertitude au seuil0,486

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,028
Tête enseignante GPT0,263
Écart entre enseignants0,235 · 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 tête enseignante, 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

Citations40
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetGraphene research and applicationsTravaux en français237 207