Origin of the hydrophobicity of sulfur-containing iron surfaces
Notice bibliographique
Résumé
Sulfur-containing iron materials such as sulfidized nanoscale zerovalent iron (SNZVI) have shown outstanding water remediation performance in many recent studies, which is largely attributed to its high hydrophobicity compared to that of NZVI. However, the role of sulfur in the reactions, and the origin of the hydrophobicity of SNZVI, were still unclear. In this paper, for the first time, we conducted ab initio molecular dynamics simulation using an explicitly solvated model on both Fe and S-containing Fe surfaces, to explore the hydrophobicity of S-containing Fe materials. We found that the high hydrophobicity of these S-containing Fe surfaces originates from the hydrophobic nature of S: both doping S on top of the Fe surface and inserting S onto an Fe surface can significantly improve the surface hydrophobicity by increasing the distance between the water layer and the Fe surface. This exposes empty Fe sites which do not interact with water and in turn reduces hydrogen evolution. To compare with the theoretical analysis, we experimentally analyzed the hydrophobicity of both NZVI and SNZVI surfaces, leading to a good agreement with our theoretical analysis. We then theoretically show that the doping of other p-block elements (e.g., N and P) to iron surfaces can also create a hydrophobic phenomenon. Most importantly, this study points out that the potential contribution of hydrophobicity to the reactivity on liquid-phase reaction materials should not be ignored in the mechanistic analysis.
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 ».