Preparation of novel N-CNT nanocomposite as an adsorbent for removal of As+3 toxic ions and DFT calculation
Notice bibliographique
Résumé
Abstract This work aimed at developing novel adsorbents to remove arsenic ions in an aqueous solution. To this end, the use of polymeric materials and functionalized nitrogen-doped carbon nanotubes (N-CNT) was considered to adsorb arsenic ions from aqueous solutions. In this regard, the effects of experimental parameters including pH, contact time, initial concentration of metal, and the adsorption temperature were studied. According to experiments, the optimum solution pH for arsenic adsorption at 20 °C was 7. As the contact time increased, the adsorption rate increased and reached equilibrium after 10 minutes. The arsenic adsorption capacity of Polyether Sulfone/N-CNT nanocomposites increased with increasing temperature. The highest adsorption capacity was achieved at 49 °C. The equilibrium data obtained in the initial concentration range of Arsenic and the studied temperature was consistent with the Freundlich isotherm. The adsorption kinetics revealed that the arsenic adsorption followed the Pseudo-First order and Weber Morris equation. The thermodynamic parameters (ΔH, ΔG, and ΔS) indicated that the arsenic adsorption in the temperature range of 332-296 K was spontaneous and endothermic. The adsorption properties of the modified N-doped carbon nanotubes towards arsenic ions were also studied by density functional theory (DFT) calculations.
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 ».