Fast synthesis of high surface area bio-based porous carbons for organic pollutant removal
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».