Enhanced catalytic oxidation via nano <scp> Cu <sub>0.5</sub> Mg <sub>0.5</sub> Fe <sub>2</sub> O <sub>4</sub> </scp> embedded in <scp>CNTs</scp> for adsorption–reduction of hexavalent chromium
Notice bibliographique
Résumé
Abstract A catalyst consisting of Cu 0.5 Mg 0.5 Fe 2 O 4 (CMF) supported on carbon nanotubes (CNTs) which exhibits great potential as an adsorbent for treating Cr(VI)‐contaminated wastewater has been successfully prepared. The ferrite possesses excellent magnetic properties, while CNTs have the advantage of a large surface area. This composite material not only prevents the aggregation of magnetic materials and enhances the exposure of active sites but also effectively solves the recycling problem of CNTs. Our results show that the adsorption capacity of Cu 0.5 Mg 0.5 Fe 2 O 4 –carbon nanotubes (CMF‐CNTs) for Cr(VI) wastewater (45.60 mg/g) is 1.49 times higher than that of Cu 0.5 Mg 0.5 Fe 2 O 4 (30.48 mg/g). Compared to a single catalyst, CMF‐CNTs not only improve the dispersibility of magnetic materials but also exhibit synergistic effects between the composite materials, enhancing the chemical adsorption capacity. After five consecutive adsorption and desorption experiments, the adsorption capacity of CMF‐CNTs remains at 88% of its initial value. Furthermore, the study of the catalyst before and after adsorption by XPS reveals that the valence state transition of Fe 3+ /Fe 2+ and Cu 2+ /Cu + plays a crucial role in the adsorption process. The results of this study demonstrate the potential of using waste materials for effective wastewater treatment and provide insights into the development of new adsorbents for pollutant removal.
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 | 0,000 | 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) | 0,001 | 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 ».