MétaCan
Menu
Retour à la cohorte
Enregistrement W4405995289 · doi:10.3390/ma18010151

Preparation of Fe3O4/C Composite Material from Red Mud for the Degradation of Acid Orange 7

2025· article· en· W4405995289 sur OpenAlexaff
Jiaxing Cai, Yunye Cao, Bingfei Yang, Jiajie Li, Michael Hitch

Notice bibliographique

RevueMaterials · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueBauxite Residue and Utilization
Établissements canadiensUniversity of the Fraser Valley
Organismes subventionnairesNatural Science Foundation of Zhejiang ProvinceNational Natural Science Foundation of China
Mots-clésRoastingComposite numberRed mudPersulfateChemical oxygen demandMagnetiteIron oxideX-ray photoelectron spectroscopyNuclear chemistryMaterials scienceChemistryChemical engineeringCatalysisPulp and paper industryMetallurgyComposite materialEnvironmental engineeringWastewaterOrganic chemistryEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This study presents a novel Fe3O4/C composite material synthesized from red mud through a process of magnetic roasting and separation. The research explores the impact of Fe3O4/C dosages, sodium persulfate (PS) concentrations, and initial solution pH on the chemical oxygen demand (COD) removal efficiency using Acid Orange 7 as a model pollutant. Optimal conditions were identified as 3 g/L Fe3O4/C, 20 mM PS, and an initial pH of 2, achieving a 94.11% COD removal efficiency within 30 min. X-ray diffraction and photoelectron spectroscopy analyses confirmed that the magnetization roasting process effectively transformed red mud’s ferric oxide (Fe2O3) into magnetite (Fe3O4). Concurrently, Fe3O4 interacted with residual carbon to form the Fe3O4/C composite. This composite demonstrated superior catalytic performance, along with excellent recyclability and reusability.

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 enseignants0,013
Score d'incertitude au seuil0,202

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 Opus0,014
Tête enseignante GPT0,262
Écart entre enseignants0,249 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetBauxite Residue and UtilizationTravaux en français237 207