MétaCan
Menu
Retour à la cohorte
Enregistrement W4360861211 · doi:10.3390/w15071267

Recent Advances in MXene-Based Nanocomposites for Wastewater Purification and Water Treatment: A Review

2023· review· en· W4360861211 sur OpenAlexaff
Zahra Pouramini, Seyyed Mojtaba Mousavi, Aziz Babapoor, Seyyed Alireza Hashemi, Nelson Pynadathu Rumjit, Shivani Garg, Shakeel Ahmed, Wei‐Hung Chiang

Notice bibliographique

RevueWater · 2023
Typereview
Langueen
DomaineMaterials Science
ThématiqueMXene and MAX Phase Materials
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésWastewaterMXenesEnvironmental remediationWater treatmentPollutantWaste managementNanocompositeEnvironmental scienceHazardous wasteSewage treatmentEnvironmental engineeringMaterials scienceContaminationChemistryNanotechnologyEngineering

Résumé

récupéré en direct d'OpenAlex

The increase in pollutants such as hazardous refractory contaminants, organic dyes, pharmaceuticals, and pesticides entering water resources on a large scale due to global population growth and industrialization has become a significant health concern worldwide. The two-dimensional (2D) MXene material is a new type of transition metal carbide or carbonitride material, which has demonstrated the capability to adsorb various heavy contaminants, particularly metals such as chromium, copper, lead, and mercury. In addition, MXenes have a tunable band gap (0.92–1.75 eV) and exhibit good thermal stability and considerable damage resistance, which means that they are well suited as adsorbents for waste removal. In this review article, MXene nanocomposites are introduced for the removal of pollutants from water. The idea of water remediation, the applications of MXene-based nanocomposites, and the effects on the degradation of water and wastewater contaminants are reviewed. Future trends in MXene-based nanocomposites for water treatment and environmental applications will also be discussed.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,077
Tête enseignante GPT0,357
Écart entre enseignants0,280 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations67
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetMXene and MAX Phase MaterialsTravaux en français237 207