MétaCan
Menu
Retour à la cohorte
Enregistrement W4386687526 · doi:10.3390/cryst13091369

Magnetic Zeolite: Synthesis and Copper Adsorption Followed by Magnetic Separation from Treated Water

2023· article· en· W4386687526 sur OpenAlexafffund
Sofi Buzukashvili, Weiqing Hu, Roberto Sommerville, Oliver Brooks, Ozan Kökkılıç, N.A. Rowson, Philippe Ouzilleau, Kristian E. Waters

Notice bibliographique

RevueCrystals · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdsorption and biosorption for pollutant removal
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésZeoliteAdsorptionAqueous solutionMagnetic separationMagnetic nanoparticlesCopperIron oxideMaterials sciencePolyvinyl alcoholChemical engineeringNanoparticleInorganic chemistryChemistryNuclear chemistryCatalysisNanotechnologyMetallurgyOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Zeolites are widely used in diverse applications, including the removal of heavy metals from wastewater. However, separating fine-sized zeolite particles from treated water is often a challenge. In this work, a novel method utilizing a colloidal polyvinyl alcohol (PVA) solution to bind iron oxide nanoparticles to a Linde Type A (LTA) zeolite was used to synthesize magnetic zeolite. Different zeolite–iron oxide nanoparticle loadings (10:1, 10:0.5, and 10:0.1) were used in batch adsorption experiments to investigate adsorption capacities and kinetics for Cu removal from an aqueous solution. The results showed that the magnetic zeolite maintained much of its adsorbent properties while facilitating a simplified process design. Thus, the adsorption capacity of pure LTA zeolite was found to be 262 mg/g for magnetic zeolite, with a 10:1 ratio—151 mg/g; 10:0.5—154 mg/g; and 10:0.1—170 mg/g. Magnetic separation was subsequently employed to remove the magnetic zeolite from the treated solution.

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 enseignants0,002
Score d'incertitude au seuil0,003

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,225
Écart entre enseignants0,215 · 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

Citations17
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCrystalsMême sujetAdsorption and biosorption for pollutant removalTravaux en français237 207