Facile fabrication of nano zerovalent iron – Reduced graphene oxide composites for nitrate reduction in water
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
Nano zerovalent iron is used to destruct a wide range of organic and inorganic contaminants in water. However, its performance is limited due to rapid aggregation and surface passivation. To minimise aggregation, we fabricated nano zerovalent iron on the reduced graphene oxide sheets using green tea derived polyphenols (hereafter rGO-nZVI-P) or borohydride ions (hereafter rGO-nZVI-B). Both rGO-nZVI-P and rGO-nZVI-B composites were characterised by electron microscopic, molecular spectroscopic and electrochemical methods. The spherical nZVI particulates (e.g. ~4–15 mm diameter) are well dispersed among rGO sheets. Polyphenols act as a capping agent for Fe (0) to prevent its aggregation. The X-ray diffraction and X-ray photon spectroscopic results show an admixture of Fe (0) with rGO and Fe oxides (e.g. FeOOH, Fe2O3, and Fe3O4 phases). The association of Fe (0) on the reduced graphene oxide matrix is believed to occur via π–π framework thus minimising surface passivation. The reduction efficiency of the nano zerovalent iron composites was determined using nitrate as index ion. When compared with rGO-nZVI-B, the rGO-nZVI-P reduces 70% of 0.8064 mM nitrate within an hour. Although traces of NO and NO2− are observed, ammonia is the dominant product that accounts for 95% nitrogen mass balance. The nitrate reduction by the rGO-nZVI composites follows pseudo-second-order kinetics. Fe (0) or its oxidation products are environmentally benign. The rGO-nZVI-P also has the potential to destruct excess nitrate in water remediation.
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