Porosity and packing features of nano- and micro-particles of carbon and silica adsorbents
Notice bibliographique
Résumé
Comparative characterization of the particulate morphology and texture of various silicas (fumed silicas, silica gels, ordered mesoporous silicas) and carbons (chars and activated carbons, AC) is of interest from both theoretical and practical points of view since it allows one better understanding of advantages and disadvantages of various adsorbents upon their interactions with different adsorbates, co-adsorbates, and solutes in various dispersion media. Complete characterization needs application of a certain set of methods that is analyzed in the present paper. It is shown that the main difference in the textural characteristics of silica and carbon adsorbents is due to the absence (silicas) or presence (carbons) of nanopores in nanoparticles (NP). A great contribution of these pores in strongly activated carbons provides the specific surface area values greater by an order of magnitude than that of fumed silicas. Despite a high activation degree of AC, contribution of closed pores or pores inaccessible for nitrogen molecules remains relatively large in contrast to fumed silica A–300 composed of nonporous nanoparticles synthesized in the flame at higher temperature (~80% of melting temperature, Tm, for amorphous silica) than carbon activation temperature (~25%of Tm for carbons). Therefore, the pores inaccessible for nitrogen molecules in fumed silica could be attributed to narrow voids around contact area between neighboring NP in their aggregates, but for AC, there are both closed pores and open nanopores inaccessible for nitrogen molecules. For complete characterization of the morphology and texture of various adsorbents, such methods as transmission and scanning electron microscopies, probe (nitrogen, argon) adsorption, smallangle X-ray scattering (SAXS)and X-ray diffraction (XRD)could be used with appropriate software to analyze the data. The latter is especially important for the analyses of indirect data (e.g., adsorption, SAXS, XRD) characterizing the materials.
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 | 0,001 | 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) | 0,001 | 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 ».