Sustainable 3D‐Printed Platforms with Durable Photocatalytic Coatings for Efficient Water Treatment
Notice bibliographique
Résumé
Abstract This study presents a robust and sustainable 3D‐printed scaffold with engineered surface properties for durable and wear‐resistant coating of photocatalytic nanocomposites. Copper‐doped titanium dioxide/reduced graphene oxide nanocomposites are synthesized to enable visible‐light activation, achieving 89% methylene blue removal within 60 min under visible light illumination. The coating's mechanical and chemical stability is systematically evaluated under UV exposure, sonication‐induced vibration, and cyclic regeneration using chemical washing. Scaffold design parameters, including pore architecture, surface topology, and chemistry, are optimized to enhance nanocomposite loading and retention. Among the tested infill designs, the gyroid structure provides the highest surface area (3259.2 mm2) and supports the largest nanocomposite mass. Incorporation of polydopamine as a bioadhesive significantly improves coating adhesion (378% increase in nanocomposite loading) and stability (200% reduction in leaching). Surface engineering also facilitates the formation of uniform, few‐layer coatings, resulting in a removal efficiency of 93% within 120 min, which is comparable to that of colloidal nanocomposites reported in the literature. The nano‐enabled scaffold maintains excellent performance across 30 regeneration and reuse cycles, with a final‐cycle removal efficiency of 91.4%, outperforming existing systems by more than fourfold in terms of 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 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; 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 ».