Enhancement of Sulfur Oxide Capture Capacity by Deposition of Iron Oxide Particles on Graphene Oxide
Notice bibliographique
Résumé
Sulfur dioxide (SO2) is a known pollutant that must be captured from gas streams. Dry desulfurization processes are investigated due to their lower energy requirement and potentially high capture efficiency. Carbon materials and metal oxides have been shown to have an affinity with SO2. The aim of this study was to combine iron oxide and graphene oxide (GO) as a composite material for SO2 capture for low-concentration streams. Iron oxide particles were prepared using a polyol method in which the precursor was dispersed in ethylene glycol, heated under reflux and then deposited on GO, a two-dimensional, single-layer material with a surface area of 400 m2/g. The synthesized material was tested for continuous desulfurization in a flow-through capture system with a stream of gas containing 25 ppm SO2 entering at 20 °C and 100 °C. Under all conditions tested, the breakthrough times, evaluated when the SO2 started to be detected at the outlet with a concentration of 1 ppm, as well as the capture capacities, were significantly higher for the iron oxide GO composite than for the pristine GO alone. The presence of sulfur compounds as well as the composite composition were confirmed by energy-dispersive X-ray spectroscopy (EDXS) and X-ray photoelectron spectroscopy (XPS). The breakthrough experiment results at various temperatures also suggest that the capture was not governed only by pure physical adsorption with the presence of iron oxide. Addition of iron oxide particles positively influences SO2 affinity with the synthesized material as shown by the increase in breakthrough time and capture capacity.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 tête enseignante, 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 ».