Enhanced photocatalytic degradation of organic contaminants in water by highly tunable surface microlenses
Notice bibliographique
Résumé
Photocatalysis is one of the dominant technologies used to enhance the efficiency of water decontamination with light-based treatments. However, the effectiveness of photocatalysts is usually limited by the irradiation conditions and the properties of the water matrix. In this work, we have demonstrated the capability of surface microlenses (MLs) as a clean technology for more efficient photocatalytic water decontamination. Random or ordered surface MLs were fabricated from simple polymerization of nanodroplets produced in a solvent exchange process. Both random microlenses (MLR) and microlenses array (MLA) could enhance the photocatalytic degradation efficiency of four representative pollutants, including methyl orange (MO), norfloxacin (NFX), sulfadiazine (SFD), sulfamethoxazole (SMX), spiked in ultra-pure water, synthetic natural water, or real river water. By controlling the conditions of light treatment, the photodegradation efficiency could be enhanced by up to 402%. The effectiveness of surface MLs was validated under both visible LED light and simulated solar light and for two photocatalysts zinc oxide (ZnO) and titanium dioxide (TiO2). By reducing the concentration of the photocatalysts from 100 to 5 mg/L and the intensity of irradiation intensity from 1 Sun to 0.3 Sun, our findings suggest that the enhancement factor by MLs was higher at lower catalyst concentration, or at lower light intensity. Based on optical simulations and experimental results, we demonstrated that surface MLs optimize the light distribution and promote the formation of active species, which results in the enhancement of degradation efficiency. The use of MLs may serve as a novel strategy to improve the photocatalytic degradation of micropollutants, especially in places where the available light source is weak, such as indoors or in cloudy regions.
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) | 0,000 | 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 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 ».