MétaCan
Menu
Retour à la cohorte
Enregistrement W4388162592 · doi:10.1021/acsaenm.3c00505

Identification and Quantification of Aqueous Disinfectants Using an Array of Carbon Nanotube-Based Chemiresistors

2023· article· en· W4388162592 sur OpenAlex
Md Ali Akbar, Omar Sharif, P. Ravi Selvaganapathy, Peter Kruse

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueACS Applied Engineering Materials · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Chemical Sensor Technologies
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGlobal Water FuturesCanada First Research Excellence FundMcMaster UniversityOntario Centres of Excellence
Mots-clésCarbon nanotubeAnalyteAqueous solutionDisinfectantChemistryReagentPartial least squares regressionChemometricsPotassium permanganateNanotechnologyBiological systemChromatographyMaterials scienceComputer scienceInorganic chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Disinfection of water is essential to prevent the growth of pathogens, but at high levels, it can cause harm to human health. Therefore, accurate monitoring of disinfectant concentrations in water is essential to ensure safe drinking water. The use of multiple disinfectants at different stages in water treatment plants makes it necessary to also identify the type and concentrations of all of the disinfectant species present. Here, we demonstrate an effective approach to identify and quantify multiple disinfectants (using the example of free chlorine and potassium permanganate) in water using single-walled carbon nanotube (SWCNT)-based reagent-free chemiresistive sensing arrays. Facile fabrication of chemiresistive devices makes them a popular choice for the implementation of sensor arrays. Our sensing array consists of functionalized and unfunctionalized (blank) SWCNT sensors to distinguish the disinfectants. The distinct responses from the different sensors at varying concentrations and pH can be fitted to the mathematical model of a Langmuir adsorption isotherm separately for each sensor. Blank and functionalized sensors respond through different mechanisms that result in varying responses that are concentration- and pH-dependent. Chemometric techniques such as principal component analysis (PCA) and partial least-squares-discriminant analysis (PLS-DA) were used to analyze the sensor data. PCA showed an excellent separation of the analytes over five different pHs (5.5, 6.5, 7.5, 8.5, and 9.5). PLS-DA provided excellent separability as well as good predictability with a Q 2 of 94.26% and an R 2 of 95.67% for the five pH regions of the two analytes. This proof-of-concept solid-state chemiresistive sensing array can be developed for specific disinfectants that are commonly used in water treatment plants and can be deployed in water distribution and monitoring facilities. We have demonstrated the applicability of chemiresistive devices in a sensor array format for the first time for aqueous disinfectant monitoring.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,118
Score d'incertitude au seuil0,716

Scores Codex et Gemma par catégorie

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 Opus0,014
Tête enseignante GPT0,221
Écart entre enseignants0,207 · 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