Fast synthesis of high surface area bio-based porous carbons for organic pollutant removal
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
A fast, facile and one-pot chemical activation method was used to develop porous carbons with high surface area and excellent phenolic micropollutant adsorption performance from renewable precursors. This method was applied to three precursors: naturally abundant, but often underestimated wildfire-damaged boreal peats, corn starch, and cellulose. Porous carbon formation was accomplished through precursor impregnation with ZnCl2 powder and their simultaneous pyrolysis under inert N2 flow at 400 or 600 °C for 1 h. The maximum adsorption capacities of these bio-sorbents towards a model contaminant, p-nitrophenol, in simulated wastewater were equal to or superior than using a commercial activated carbon (CAC), Norit GSX (> 530 mg/g) over wide initial concentration ranges (20–2000 mg/L). p-nitrophenol adsorption best fitted Freundlich and Redlich-Peterson isotherms, suggesting multilayer chemisorption. Low concentration p-nitrophenol (20 mg/L) adsorption into the bio-sorbents was rapid in the first 4 h, and could reach high removals (> 98%). The method presented here yielded bio-sorbents with similarly high adsorption performance regardless of the precursor type, while avoiding energy-intensive processing steps during sorbent production. This study gives a useful alternative for manufacturing new sorbents from other upcycled carbonaceous and/or bio-based materials to remove micropollutants and heavy metals. Fast, single-step chemical activation for manufacturing bio-based porous carbons. Efficient adsorption towards aqueous phenolic micropollutant from batch studies. A competitive substitute of charcoal activated carbons for water purification.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 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