Prévision de l'adsorption de molécules organiques en solution aqueuse en fonctions de quelques caractéristiques physico-chimiques de charbons actifs
Bibliographic record
Abstract
Abstract La production d'eau potable nécessite parfois une filtration sur charbon actif en vue d'éliminer des micropolluants organiques. Afin de développer un modèle prévisionnel de la durée de vie de ces filtres, il est nécessaire de bien connaître les caractéristiques des charbons influençant l'adsorption. Des caractéristiques de la structure physique (porosité et surface) et chimiques (fonction de surface), le potentiel zêta et les constantes thermodynamiques de neuf charbons actifs ont été déterminées et des essais de corrélation ont indiqué une certaine ligne de conduite pour l'utilisation de charbons de différentes origines. Des cinétiques et des isothermes d'adsorption de l'atrazine et du phénol ont été réalisées, ceci afin de mieux comprendre l'influence de la structure et des caractéristiques physico-chimiques des charbons sur les mécanismes d'adsorption. L'étude a mis en évidence les points suivants : (i) le nombre de sites primaires polaires d'adsorption augmente lorsque le nombre de fonctions acides augmente et lorsque le nombre de fonctions basiques diminue ; (ii) la capacité maximale d'eau adsorbée augmente avec la surface spécifique et diminue avec le nombre de fonctions acides du charbon ; (iii) l'adsorption de l'atrazine (molécule peu polaire) est en partie contrôlée par des paramètres physiques comme la surface spécifique ; (iv) les groupements polaires facilitent l'adsorption du phénol (molécule très polaire), et : (v) les valeurs du potentiel zêta sont difficiles à interpréter : la présence de groupements fonctionnels non déterminés pourrait intervenir sur les mécanismes d'adsorption.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.016 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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; both teacher heads agree on what is shown here.
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".