Size Effects of NiO Nanoparticles on the Competitive Adsorption of Quinolin-65 and Violanthrone-79: Implications for Oil Upgrading and Recovery
Notice bibliographique
Résumé
Using Quinolin-65 (Q-65) and Violantrone (V-79) as model molecules for polar heavy hydrocarbons and resins, the nanosize effects of NiO nanoparticles on the competitive molecular adsorption on nanoparticles were conducted using multiwavelength UV–visible derivative spectrophotometry method. This is important for understanding the role of nanoparticles in oil upgrading and recovery processes. Computer simulations were also carried out to validate the experimental findings and provide more insights on the interactions between the Q-65 and/or V79 molecules and the NiO nanoparticle surface. Different-sized NiO nanoparticles (5, 40, and >100 nm) were synthesized by controlled thermal dehydroxylation of Ni(OH)2. Nanoparticles were characterized using XRD, BET, FTIR, and XPS. Macroscopic adsorption isotherms of Q-65 and V-79 molecules over 5 and 40 nm NiO nanoparticles were evaluated in toluene-based solutions as individual and binary solutions. On a normalized surface area basis, the number of Q-65 and V-79 molecules adsorbed per nm2 of the NiO surface was the highest for 40 nm NiO nanoparticles and lowest for 5 nm NiO. Results also indicated that NiO nanoparticles were more prone to adsorb V-79 than Q-65. Equilibrium binding constants for V-79 and Q-65, determined by the Langmuir adsorption model, showed the binding affinity for V-79 is size dependent. Simultaneous competitive adsorption between V-79 and Q-65 showed that V-79 concentration is an important factor influencing the uptake of both V-79 and Q-65, whereas the concentration of Q-65 affects only Q-65 uptake. Computational modeling results were consistent with the experimental results, confirming our conclusions about the adsorption process in this binary system.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».