Rapid Removal of Fluoride from Water Using Core@shell and @Shell Nanoparticles of SiO2@ZrO2 and @ZrO2. Investigation of the Mechanisms Involved and Impact of Elemental Leaching
Notice bibliographique
Résumé
<p>Fluoride is a natural contaminant of water that endangers many people worldwide when present in concentrations higher than 2 ppm. Here, fluoride removal by four different nanostructured colloidal particles (SiO<sub>2</sub>@ZrO<sub>2</sub><sup>nc</sup>, SiO<sub>2</sub>@ZrO<sub>2</sub><sup>c</sup>, @ZrO<sub>2</sub><sup>nc</sup>, and @ZrO<sub>2</sub><sup>c</sup>) was measured in batch systems within a period of 24 h. Surprisingly, these materials removed fluoride from the water solutions and reached equilibrium in less than 10 minutes. The combination of high specific surface and fast fluoride removal placed these materials among the top materials currently known in fluoride removal. Also, the impact of element leaching was measured and quantified. The influence of time, pH, and fluoride concentration on leaching of Zr and Si was evaluated with a response surface methodology. Leaching of Zr and Si continued for several hours and depended on first-order, quadratic and cross-product coefficients. Previous studies of fluoride removal with zirconium oxide often assumed that a decrease in fluoride concentration in the solution indicated that fluoride was bound to the surface of the oxide. Zirconium oxide's solubility in water is low, but not zero. Hence, Zr might have formed soluble fluorocomplexes. This is the first report of fluoride removal with zirconium oxide that studied the leaching of the solid to exclude the formation of soluble fluorocomplexes.</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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».