TiO2/SnO2 photocatalysts by electrospinning and atomic layer deposition for pharmaceutical contaminant removal
Notice bibliographique
Résumé
Advanced technologies, including photocatalysis, are required to address the increasing global need of clean water. Titanium dioxide (TiO 2 ) is often used as photocatalyst for pollutant removal, but its performance is hampered by its large band gap and fast charge carrier recombination. This study describes the synthesis, characterization, and photocatalytic performance of TiO 2 /tin oxide (SnO 2 ) core-shell nanofibers for the degradation of acetaminophen (ACT), a persistent pharmaceutical pollutant. TiO 2 nanofibers, fabricated by electrospinning, were coated with thin SnO 2 films by atomic layer deposition (ALD). After their structural, morphological, and chemical characterization, TiO 2 and TiO 2 /SnO 2 composites were tested as photocatalysts to degrade ACT under UV light. Within 40 minutes, 99.8% and 70% of ACT was degraded in the presence of the optimal TiO 2 /SnO 2 composite (SnO 2 layer thickness of 5 nm) and of TiO 2 nanofibers, respectively. Moreover, the optimal TiO 2 /SnO 2 composite showed excellent recyclability and stability over five consecutive cycles. Hydroxyl radicals ( • OH), superoxide anions ( • O 2 - ), and holes (h + ) were the main reactive species implicated in ACT removal. Density functional theory (DFT) modeling confirmed that the band alignment between TiO 2 and SnO 2 enhanced charge separation. This study demonstrates that TiO 2 /SnO 2 is a promising photocatalyst to remove pharmaceutical contaminants from the environment.
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) | 0,001 | 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 ».