MétaCan
Menu
Retour à la cohorte
Enregistrement W4401737195 · doi:10.1002/cplu.202400263

Flakes and Nanoparticles from Waste Ru‐Plated Fashion Items through Food Waste by‐Products

2024· article· en· W4401737195 sur OpenAlexafffund
Teresa Cecchi, Zhaojing Gao, Clara Santato

Notice bibliographique

RevueChemPlusChem · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésRutheniumX-ray photoelectron spectroscopyContext (archaeology)CatalysisMaterials scienceLeachateOxidizing agentChemical engineeringNanoparticleNanotechnologyWaste managementChemistryEnvironmental chemistryOrganic chemistryGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Ruthenium is relevant for a broad range of applications, including catalysis and electronics. Like other metals of the platinum group, ruthenium stands out as one of the rarest elements in the Earth's crust. The demand for Ru from the industry is putting pressure on its availability. Hence, its recovery from secondary sources is imperative. Fashion solid residues of the plating industry are an important waste stream for Ru. Within this context, we propose a novel approach to Ru recovery for its safe, sustainable, and economically affordable upcycling. The approach is based on peeling from waste metal wires by a green oxidizing agent, H 2 O 2 , in an environment acidic by lactic acid, a by‐product of the food industry. Peeled flakes were characterized by scanning electron microscopy, energy dispersive spectroscopy, X‐ray photoelectron spectroscopy, and atomic force microscopy for their structure and (surface) chemical composition and bonding. Inductively Coupled Plasma Optical Emission Spectroscopy shows the ultra‐low concentration of noble metals in the leachate, thereby suggesting their quantitative recovery in their metallic state. Further, we observed the colloidal nature of the washing water of the peeled flakes. Therefore, we hypothesized the presence of nanoparticles in the washing water and went for their characterization.

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 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 enseignants0,030
Score d'incertitude au seuil0,805

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 Opus0,017
Tête enseignante GPT0,223
Écart entre enseignants0,206 · 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 tête enseignante, 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemPlusChemMême sujetRecycling and Waste Management TechniquesTravaux en français237 207