Adsorption of Rare Earths(Ⅲ) Using an Efficient Sodium Alginate Hydrogel Cross-Linked with Poly-γ-Glutamate
Notice bibliographique
Résumé
With the exploitation of rare earth ore, more and more REEs came into groundwater. This was a waste of resources and could be harmful to the organisms. This study aimed to find an efficient adsorption material to mitigate the above issue. Through doping sodium alginate (SA) with poly-γ-glutamate (PGA), an immobilized gel particle material was produced. The composite exhibited excellent capacity for adsorbing rare earth elements (REEs). The amount of La3+ adsorbed on the SA-PGA gel particles reached approximately 163.93 mg/g compared to the 81.97 mg/g adsorbed on SA alone. The factors that potentially affected the adsorption efficiency of the SA-PGA composite, including the initial concentration of REEs, the adsorbent dosage, and the pH of the solution, were investigated. 15 types of REEs in single and mixed aqueous solutions were used to explore the selective adsorption of REEs on gel particles. Scanning electron microscopy (SEM) and Fourier transform infrared (FT-IR) spectroscopy analyses of the SA and SA-PGA gel beads suggested that the carboxyl groups in the composite might play a key role in the adsorption process and the morphology of SA-PGA changed from the compact structure of SA to a porous structure after doping PGA. The kinetics and thermodynamics of the adsorption of REEs were well fit with the pseudo-second-order equation and the Langmuir adsorption isotherm model, respectively. It appears that SA-PGA is useful for recycling REEs from wastewater.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».