Turning Trash to Treasure: The Influence of Carbon Waste Source on the Photothermal Behaviour of Plasmonic Titanium Carbide Interfaces
Notice bibliographique
Résumé
Abstract Pyrolysis of carbonaceous waste material has become an attractive method of recycling to generate value added products. Alongside pyrolytic oil and gas fractions, the thermal degradation forms solid pyrolytic char, which can be further processed. Local waste materials, including birch wood residue (BW), Reynoutria japonica stems (KW), spent coffee grounds (CG), tire rubber (TR), and lobster shells (LS) we assessed to form pyrolytic char. Using a simple acid treatment step on the chars, this study has shown successfully incorporate many of them into the low‐temperature synthesis of plasmonic TiC NPs. Each char was shown to display distinctive physical and chemical characteristics, which was exploited to synthesize TiC NPs with unique properties. To study the plasmonic behaviour of each TiC sample, solar driven desalination experiments were conducted. TiC formed from TR char achieved broadband absorbance of ~95 % of the solar spectrum, reaching a near‐perfect solar‐to‐vapor generation efficiency of 95 %, or a water generation rate of 1.40±0.01 kg m −2 h −1 under one‐sun illumination. This makes it the best performing of all chars tested, and among the top performers reported in the literature to date. The evaporators maintain activity over time and under strongly hypersaline conditions.
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 ».