Removal of Contaminant Nanoparticles from Wastewater Produced Via Hydrothermal Carbonization by Spions
Bibliographic record
Abstract
La carbonisation hydrothermale (CHT) peut être définie chimiquement comme un processus combiné de déshydratation et de décarboxylation dans un état humide.En bref, ce procédé est réalisé par l'application d'une température élevée (entre 180 à 250°C) et d'une pression (de l'ordre de 2 MPa) pour dégager l'eau de la biomasse et transformer le carbone en biocharbon de haute qualité en l'espace de quelques heures.D'abord la biomasse est chauffée sous forme de solution aqueuse dans un réservoir sous pression jusqu'à ce qu'un procédé exothermique entre en action.Dès ce moment l'exploitation de l'installation ne requiert aucune énergie additionnelle.En outre, pendant le processus de conversion humide, la forte teneur en résidus est transformée en nanoparticules qui pourraient présenter une nanostructure hétérogène bien définie.Bien que la CHT soit connue depuis des années, on observe un regain d'intérêt envers ce procédé en raison de sa rentabilité et des propriétés intéressantes de ses produits comme le biochar, un produit semblable à l'humus, qui peut être employé pour amender les sols agricoles et stocker le CO2.En fait, la CHT a été utilisé pour le traitement des boues et des eaux usées dans certains pays développés tels que l'Allemagne.Aujourd'hui, de nombreux scientifiques continuent à étudier les produits solides de ce procédé tel que le biochar.Ces études concernent la caractérisation physico-chimique et biologique des produits générés par la CHT, ainsi que leur utilisation potentielle.Toutefois, les produits aqueux de la CHT, riches en hydrocarbures dérivés et en nanoparticules (NPs), sont rarement étudiés.Ainsi, notre objectif est d'étudier les eaux usées générées par la CHT à partir d'une biomasse de glycérine ou de sucre.En outre, nous proposons une nouvelle stratégie de traitement pour éliminer les NPs de ces eaux usées.À cet égard, nous avons utilisés les nanoparticules superparamagnétiques d'oxyde de fer (SPIONs) en raison de leurs propriétés physico-chimiques uniques (propriétés magnétiques, capacité d'absorption, biocompatibilité et éco-compatibilité) pour la décontamination de l'eau et des eaux usées.Dans ce travail, nous avons synthétisé deux nanocomposites à base de SPIONs pour le retrait magnétique des nanoparticules des eaux usées.Dans le premier cas, nous avons synthétisé des SPIONS recouverts de polyéthylène-glycol (PEG) (SPIONs @ (PEG)).Dans le second cas, nous avons utilisé un procédé de croissance in situ pour produire un nanocomposite de SPIONS et d'oxyde de graphène purifié (OG), (SPIONs / OG), et recouvert par la suite de PEG (20000Da), (SPIONS / OG @ PEG).vi Comme les OG contiennent divers groupes fonctionnels comprenant, entre autres, les acides carboxyliques, les hydroxyles et les époxydes, ayant une valence élevée pour l'adsorption de contaminants en raison de leur teneur élevée en oxygène, nous supposons que SPIONS / GO @ PEG améliorent le procédé de décontamination.Initialement, nous avons caractérisé les SPIONs synthétisés.La spectroscopie infrarouge à transformée de Fourier (FT-IR) a été utilisé pour identifier les groupes fonctionnels présents dans les échantillons de SPIONs.La Microscopie à Force atomique (AFM) et la microscopie électronique à transmission (MET) ont été utilisées pour déterminer la topographie et le diamètre à travers des images de haute résolution des nanocomposites.Enfin la diffusion dynamique de la lumière (DLS) a été utilisée pour évaluer la distribution de la taille des SPIONs dans de l'eau distillée.En outre, tous les échantillons d'eaux usées ont été caractérisés avant et après le traitement.La FT-IR a été utilisée pour déterminer les groupes fonctionnels dans les échantillons initiaux.La spectroscopie UV-visible (UV-VIS) a été utilisée pour observer l'absorption UV des produits chimiques.La DLS a été utilisée pour mesurer la distribution de la taille et la densité, et finalement la morphologie a été investiguée par une technique d'AFM.Les SPIONs qui impliquaient du GO en raison de la présence de groupes d'oxyde montrent une structure cristalline mieux ordonnée et une distribution de diamètre plus restreinte.Les échantillons de glycérine traités par SPIONs @ PEG et SPIONs / GO @ PEG ont une réduction de contaminant de 43% et de 38% respectivement.En ce qui concerne les échantillons de sucre, les réductions étaient de 33% et 60% respectivement.Ainsi, les résultats obtenus confirment la capacité des nanocomposites à éliminer des nanocontaminants à partir d'échantillons d'eaux usées de manière raisonnable.Cependant, la puissance de décontamination des nanocomposites diffère en fonction de la structure chimique de la biomasse initiale.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".