Plasmonic gold-silver alloy enhancement for titanium dioxide (TiO2) based solar photocatalytic water treatment of common pesticides: Photo-absorption tuning and catalytic efficiency optimization
Notice bibliographique
Résumé
Les procédés d'oxydation avancés (AOP) photocatalytiques à base de dioxyde de titane (TiO2) ont le potentiel d'être une technologie durable et efficace de dégradation des contaminants récalcitrants lors du traitement des eaux, mais ils se heurtent à des difficultés dues aux propriétés optiques et matérielles intrinsèques du TiO2. L'augmentation avec des métaux qui présentent une résonance plasmonique de surface (SPR), tels que l'or et l'argent, peut être utilisée pour relever ces défis. Dans cette étude, des nanocomposites de TiO2 décorés d'un alliage or-argent ont été synthétisés et caractérisés avec différents rapports atomiques bimétalliques. La charge métallique et la composition atomique ont été optimisées pour obtenir la plus grande efficacité d'élimination du phénol, un contaminant organique représentatif. Nous avons démontré la capacité des alliages or-argent à régler la photo-absorption des nanocomposites, ce qui, à son tour, améliore la dégradation du phénol jusqu'à 46 % sous une source de lumière UVB par rapport au TiO2 seul. On observe que le spectre de la lumière UV joue un rôle essentiel dans cette amélioration. Aucune dégradation n'a été observée avec des longueurs d'onde supérieures à la bande interdite du TiO2, ce qui indique que le transfert d'électrons chauds induit par la lumière visible n'est probablement pas la cause fondamentale de l'amélioration catalytique. Enfin, cinq pesticides courants ont été dosés dans l'eau de lac à des concentrations pertinentes pour l'environnement et dégradés sous une source de lumière UVB, le matériau composite étant plus performant que le TiO2 P25 de référence pour 4 des 5 contaminants. Ces résultats démontrent la capacité du nouveau matériau composite à éliminer une large gamme de contaminants
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 tête enseignante, 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 ».