MétaCan
Menu
Retour à la cohorte
Enregistrement W3132218806 · doi:10.3390/nano11030572

Emerging Hybrid Nanocomposite Photocatalysts for the Degradation of Antibiotics: Insights into Their Designs and Mechanisms

2021· review· en· W3132218806 sur OpenAlexaff
Karuppannan Rokesh, Sakar Mohan, Trong‐On Do

Notice bibliographique

RevueNanomaterials · 2021
Typereview
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Degradation (telecommunications)PhotocatalysisBiochemical engineeringNanotechnologyMaterials scienceNanocompositeAntibioticsComputer scienceChemistryEngineeringCatalysis

Résumé

récupéré en direct d'OpenAlex

The raising occurrence of antibiotics in the global water bodies has received the emerging concern due to their potential threats of generating the antibiotic-resistive and genotoxic effects into humans and aquatic species. In this direction, the solar energy assisted photocatalytic technique offers a promising solution to address such emerging concern and paves ways for the complete degradation of antibiotics with the generation of less or non-toxic by-products. Particularly, the designing of hybrid photocatalyticcomposite materials has been found to show higher antibiotics degradation efficiencies. As the hybrid photocatalysts are found as the systems with ideal characteristic properties such as superior structural, surface and interfacial properties, they offer enhanced photoabsorbance, charge-separation, -transfer, redox properties, photostability and easy recovery. In this context, this review study presents an overview on the recent developments in the designing of various hybrid photocatalytic systems and their efficiency towards the degradation of various emerging antibiotic pharmaceutical contaminants in water environments.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,042
Tête enseignante GPT0,325
Écart entre enseignants0,283 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207