Rational Design of Zeolites to Remove Siloxane-Related Pollutants with High Adsorption Loading and Enhanced Adsorption Energy
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Though siloxanes and their derivatives have been widely used, they are emerging and persistent pollutants in water systems. Developing high-performance and low-cost adsorbents to remove siloxane-related pollutants is an essential strategy for removing these contaminants. Through Grand Canonical Monte Carlo (GCMC) simulations, we computed and evaluated the adsorption performances of 246 experimentally available zeolite frameworks toward three silanols, namely, trimethylsilanol (TMS), dimethylsilanediol (DMSD), monomethylsilanetriol (MMST), and the coexisting contaminant in siloxane-impacted environments, dimethylsulfone (DMSO 2 ), and obtained the best sorbents for each pollutant. To seek multifunctional zeolites, we first screened out the top 10 zeolite frameworks based on the loading values, among which the framework RWY showed the best performance. We further demonstrated that introducing dopants can enhance adsorption performance by taking RWY as an example. This work not only identified the most promising zeolite frameworks for removing linear siloxanes and derivatives, but also provided a relatively efficient and practical computational approach for screening sorbent materials for other emerging pollutants, balancing accuracy with tractable computational cost.
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) | 0,000 | 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 ».