MétaCan
Menu
Retour à la cohorte
Enregistrement W4247644553 · doi:10.1002/ange.201807891

Selective Capture of Toxic Selenite Anions by Bismuth‐based Metal–Organic Frameworks

2018· article· en· W4247644553 sur OpenAlexaff
Huan Ouyang, Ning Chen, Guojing Chang, Xiaoliang Zhao, Yuanyuan Sun, Daiwen Chen, Huawei Zhang, Dongjiang Yang

Notice bibliographique

RevueAngewandte Chemie · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueSelenium in Biological Systems
Établissements canadiensCanadian Light Source (Canada)
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBismuthExtended X-ray absorption fine structureAdsorptionMetal-organic frameworkAqueous solutionXANESSeleniumChemistryDensity functional theoryInorganic chemistryCrystal structureMaterials sciencePhysical chemistryCrystallographyOrganic chemistryComputational chemistryAbsorption spectroscopySpectroscopy

Résumé

récupéré en direct d'OpenAlex

Abstract Chemically durable and effective absorbent materials for selenite (SeO 3 2− ) remain highly desirable for contamination remediation. Now a bismuth‐based metal–organic framework (Bi‐MOF, CAU‐17) was used as adsorbent to capture SeO 3 2− anions from aqueous solution with ultrahigh adsorption capacity of 255.3 mg g −1 and fast kinetics. Furthermore, the adsorbent showed excellent selectivity for SeO 3 2− and was able to work steadily in a broad pH range of 4–11. Density functional theory (DFT) calculation, XANES modeling, and EXAFS fitting suggested that SeO 3 2− anions were immobilized by forming Bi−O−Se bonds (T‐3 structural model) though splitting the O−Bi−O bond in the crystal structure, leading to a structural transformation of CAU‐17 in the solid state.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,019
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,256
Écart entre enseignants0,242 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAngewandte ChemieMême sujetSelenium in Biological SystemsTravaux en français237 207