MétaCan
Menu
Retour à la cohorte
Enregistrement W3181326439 · doi:10.5194/egusphere-egu21-9194

Zirconium-based metal organic framework as novel adsorbent for Indigo Carmine

2021· article· en· W3181326439 sur OpenAlexaff
Tryfon Kekes, Γεώργιος Κολλιόπουλος, Constantina Tzia

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineChemistry
ThématiqueDye analysis and toxicity
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésIndigo carmineMetal-organic frameworkAdsorptionZirconiumEnvironmental chemistryWater treatmentChemistryEnvironmental scienceInorganic chemistryEnvironmental engineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

<p>Drinking water is a vital component for sustaining life on our planet. Unfortunately, the presence of numerous recalcitrant organic and inorganic contaminants in the aquatic environment cause adverse health effects in humans, rendering water consumption dangerous. Therefore, it has become urgent to develop and establish treatment methods to decontaminate waters from persistent chemicals. Adsorption is such a promising method, mainly due to its low-cost, high performance, easiness of operation, and effectiveness in a wide pH range. The current research work focuses on the effectiveness of a novel Zirconium-based metal organic framework (MOF) solvothermally synthesized in our laboratory to remove Indigo Carmine from water. Indigo Carmine is a water-soluble organic salt used as colorant in pharmaceuticals, foods, and cosmetics; however, its presence in water has been associated with hypertension, cardiovascular and respiratory effects, carcinogenesis, and neurotoxicity. MOFs are novel compounds consisting of metals ions coordinated to organic ligands. They possess high surface areas and porosity, which classify them as ideal for the adsorption of various water contaminants. This work aims to develop comprehensive insights that will lead to more advanced efficient adsorption processes.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,977

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0240,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,265
Écart entre enseignants0,249 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDye analysis and toxicityTravaux en français237 207