MétaCan
Menu
Retour à la cohorte
Enregistrement W4412978175 · doi:10.1016/j.colsuc.2025.100076

Magnesium germanium oxide hydrate nanowires with outstanding surface stability for selective cationic dye removal

2025· article· en· W4412978175 sur OpenAlexafffund
Yihong Liu, Katie Buchel, Ruoxin Deng, Lijia Liu

Notice bibliographique

RevueColloids and Surfaces C Environmental Aspects · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Oxide Properties and Applications
Établissements canadiensUniversity of WaterlooWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGermanium oxideGermaniumCationic polymerizationHydrateMaterials scienceMagnesiumNanowireChemical engineeringOxideMembraneInorganic chemistryNanotechnologyChemistryPolymer chemistryOptoelectronicsMetallurgyOrganic chemistrySiliconEngineering

Résumé

récupéré en direct d'OpenAlex

Physical adsorption is one of the most promising methods for organic dye removal in wastewater. However, existing adsorbent materials lack a combination of selectivity, efficiency, stable performance over a wide pH range, and reusability after repeated regeneration. In this work, we presented a novel adsorbent, magnesium germanium oxide hydrate (MGOH) nanowires. Utilizing electrochemical and acid-base titration methods, we found that MGOH possesses a unique crystal structure that is rich in hydroxyl (-OH) groups. These -OH groups keep the surface of MGOH negatively charged over a wide pH range from 0 to 10.6, which hasn’t been achieved by any adsorbent to date. Using rhodamine B (RhB) as a model cationic dye, we demonstrated that a 97.4 % removal efficiency can be achieved within 15 min in contact with MGOH at room temperature. The adsorption selectivity of MGOH toward cationic dyes was further demonstrated by effective removal of target dyes in dye mixtures. In addition, MGOH can be easily regenerated through solvent washing and thermal annealing for multiple cycles without losing its adsorption capability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,000
Score d'incertitude au seuil0,001

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), 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'admission2
Résumé présentoui

Explorer davantage

Même revueColloids and Surfaces C Environmental AspectsMême sujetMagnesium Oxide Properties and ApplicationsTravaux en français237 207