MétaCan
Menu
Retour à la cohorte
Enregistrement W4289688205 · doi:10.1088/1361-6528/ac8682

Photocatalytic nanocomposite membranes for environmental remediation

2022· article· en· W4289688205 sur OpenAlexaff
Mahsa Golmohammadi, Ali Asghar Sabbagh Alvani, H. Sameie, Bastian Mei, R. Salimi, Dirk Poelman, Federico Rosei

Notice bibliographique

RevueNanotechnology · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePolyvinylidene fluoridePhotocatalysisNanocompositeMembraneChemical engineeringGraphenePolyethylene glycolPEG ratioDegradation (telecommunications)PolyimideNanotechnologyComposite materialLayer (electronics)PolymerOrganic chemistryCatalysisChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract We report the design and one-pot synthesis of Ag-doped BiVO 4 embedded in reduced graphene oxide (BiVO 4 :Ag/rGO) nanocomposites via a hydrothermal processing route. The binary heterojunction photocatalysts exhibited high efficiency for visible light degradation of model dyes and were correspondingly used for the preparation of photocatalytic membranes using polyvinylidene fluoride (PVDF) or polyethylene glycol (PEG)-modified polyimide (PI), respectively. The surface and cross-section images combined with elemental mapping illustrated the effective distribution of the nanocomposites within the polymeric membranes. Photocatalytic degradation efficiencies of 61% and 70% were achieved after 5 h of visible light irradiation using BiVO 4 :Ag/rGO@PVDF and BiVO 4 :Ag/rGO@PI (PEG-modified) systems, respectively. The beneficial photocatalytic performance of the BiVO 4 :Ag/rGO@PI (PEG-modified) membrane is explained by the higher hydrophilicity due to the PEG modification of the PI membrane. This work may provide a rational and effective strategy to fabricate highly efficient photocatalytic nanocomposite membranes with well-contacted interfaces for environmental 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0010,000
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 Opus0,009
Tête enseignante GPT0,240
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207