Fast and efficient removal of caffeine from water using dielectric barrier discharge
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
Abstract Caffeine is a well-known central nervous system stimulant, which can cause anxiety, insomnia and nervousness. Domestic wastes of caffeinated drinks, beverages and chocolates are the major sources for entry of caffeine in the environmental system. Caffeine has been widely detected in natural water resources. The current study describes a method for efficient removal of caffeine from aqueous solution by a laboratory scale dielectric barrier discharge (DBD) in open air. Caffeine concentrations in various sample solutions were monitored by high-performance liquid chromatography, and the degradation products were identified by directly injecting the sample to mass spectrometer. The consequences of varied parameters such as input power, initial concentration and initial pH of the solution on the degradation of caffeine were investigated. Removal efficiency of caffeine from aqueous solution was 72.6% and 96.6% for the initial concentrations of 100 and 1 µg/mL, respectively, at initial pH 7 after 4 min treatment in DBD plasma system with 60 W input powers. Caffeine removal efficiency was less in acidic solutions (initial pH 4), and insignificant degradation was observed in alkaline solutions (initial pH 10). Furthermore, the degradation of caffeine was also enhanced by increasing the input power in DBD system. The DBD system used in this study has been considered to be fast, effective and economical. It was operated at atmospheric condition in open air without using catalyst, expensive gases or organic solvents, and significant degradation of caffeine was achieved in a short (4 min) treatment time.
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