通过机器学习和密度函数理论,阐明吗啡在深层欧性溶剂功能化生物炭上的气结合和协同吸附机制

科学领域:

• 环境科学 环境科学
• 材料科学 材料科学 材料科学
• 绿色化学 绿色化学

背景情况:

• 水中精神活性物质的污染对环境和健康构成风险.
• 吸附材料提供了一种可持续的方法来去除污染物.
• 像贝这样的废物材料是吸附剂开发中未充分利用的资源.

研究的目的:

• 从废弃的贝中开发一种新的磁性生物炭吸收剂,以有效地去除精神活性物质.
• 研究开发的吸附剂的吸附机制和性能.
• 评估吸附剂的可持续性和可重复使用性,用于水处理.

主要方法:

• 盐酸激活,铁注,热解,以及深层溶剂 (DES) 功能化贝,以创建磁性生物炭.
• 吸附性质的表征,包括BET表面积,毛孔体积和功能组.
• 吸附实验以确定pH和与物质共存的容量,动力学和影响.
• 再生研究和先进分析 (DFT,SHAP,机器学习) 以阐明吸附机制.

主要成果:

• 磁性生物炭 (MSBC-PG) 的表面积很大 (176.9 m2 g-1),最大的吗啡吸附能力为1186.4 μg g-1.1).
• 吸附遵循兰格穆尔和伪二阶模型,表明一种自发的内热过程,涉及化学和物理相互作用.
• 吸附剂在广泛的pH范围 (4-10),最小的干扰和五个再生周期后超过85%的效率中表现出极好的稳定性.
• 机器学习确定了氧含量,初始度和接触时间是关键因素,孔隙填充,结合和π-π相互作用是关键机制.

结论:

• 从贝中开发的磁性生物炭是一种高效和可持续的吸附剂,用于从污染水中去除吗啡.
• 孔隙结构和含氧功能组的协同作用是有效吸附机制的关键.
• 这种方法为利用废物材料在环境修复和解决阿片类污染方面提供了一个有希望的战略.