MétaCan
Menu
Retour à la cohorte
Enregistrement W3195976869 · doi:10.1039/d1ra03962h

Quantification of nickel, cobalt, and manganese concentration using ultraviolet-visible spectroscopy

2021· article· en· W3195976869 sur OpenAlexafffund
Monu Malik, Ka Ho Chan, Gisele Azimi

Notice bibliographique

RevueRSC Advances · 2021
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical chemistry methods development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésManganeseCobaltNickelUltravioletUltraviolet visible spectroscopySpectroscopyChemistryMaterials scienceInorganic chemistryNuclear chemistryOrganic chemistryOptoelectronicsPhysics

Résumé

récupéré en direct d'OpenAlex

Ultraviolet-visible spectroscopy is one of the most effective, inexpensive, flexible, and simplest analytical techniques to measure species concentration in the liquid phase. It has a wide range of applications such as wastewater treatment, dye degradation, colloidal nanoparticle characterization. It is used in almost every spectroscopy laboratory for routine analysis or research. In the present study, a feasibility study was carried out to find the application of UV-Vis spectroscopy for onsite measurement of nickel, cobalt, manganese, and lithium as a replacement for the conventional method to measure the concentrations of these elements in battery and other applicable industries. Samples with different concentrations of individual elements and composites were prepared and analyzed using an ultraviolet-visible spectrometer. Based on the obtained results, mathematical relationships between concentration and absorbance were defined. The calculated concentration of different elements using the developed relationships was compared with the measured concentration using ICP-OES to find any deviation between the two. The effect of various parameters such as concentration, path length, number of elements in the solution, density, and pH was analyzed to verify the feasibility. The obtained results show that this technique can be effectively used to measure the concentration of nickel and cobalt with high accuracy.

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 candidatesaucune
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 enseignants0,042
Score d'incertitude au seuil0,458

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)0,0000,000

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 Opus0,031
Tête enseignante GPT0,336
Écart entre enseignants0,304 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations59
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRSC AdvancesMême sujetAnalytical chemistry methods developmentTravaux en français237 207