Are nano-colloids controlling rare earth elements mobility or is it the opposite? Insight from A4F-UV-QQQ-ICP-MS
Notice bibliographique
Résumé
Rare earth element (REE) mobility in the environment is expected to be controlled by colloids. Recent research has detailed the structure of iron-organic colloids (Fe-OM colloids), which include both large colloids and smaller nano-colloids. To assess how these nano-colloids affect REE mobility, their interactions with REE and calcium (Ca) were investigated at pH 4 and 6. Using Asymmetric Flow Field Flow Fractionation (A4F) combined with UV and Triple Quadrupole Inductively Coupled Plasma Mass Spectrometry (QQQ-ICP-MS), Fe-OM nano-colloids were separated from bulk Fe-OM colloids and their REE and Ca content were analyzed. Without REE and Ca, nano-colloids had an average diameter of approximately 25 nm. Their structure is pH-dependent, with aggregation increasing as pH decreases. At high REE loadings (REE/Fe ≥ 0.05), REE induced a size increase of nano-colloids, regardless of pH. Heavy REE (HREE), with their high affinity for organic matter, formed strong complexes with Fe-OM colloids, resulting in large aggregates. In contrast, light REE (LREE), which bind less strongly to organic molecules, were associated with the smallest nano-colloids. Low REE loading did not cause noticeable fractionation. Calcium further enhanced the aggregation process at both pH levels by neutralizing the charges on nano-colloids. These findings indicate that REE can act as aggregating agent controlling their own mobility, and regulating colloid transfer. • A4F-UV-QQQ-ICP-MS shows REE fractionation within nano-colloids. • Heavy REE act as effective aggregating agents for nano-colloids. • Light REE form weak bridges, binding to the smallest, least robust nano-colloids. • REE loading significantly enlarges the aggregation of nano-colloids. • REE ability to induce colloidal aggregation controls their environmental mobility.
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) | 0,080 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».