Hấp phụ là gì? Các công bố khoa học về Hấp phụ
Hấp phụ là quá trình mà một chất hấp thụ hoặc bám vào bề mặt của một chất rắn, chất lỏng hoặc chất khí khác, được gọi là chất hấp phụ. Quá trình này xảy ra thôn...
Hấp phụ là quá trình mà một chất hấp thụ hoặc bám vào bề mặt của một chất rắn, chất lỏng hoặc chất khí khác, được gọi là chất hấp phụ. Quá trình này xảy ra thông qua các quá trình hóa học hoặc vật lý, ví dụ như tương tác tĩnh điện, tương tác vị trí bề mặt, hút hơi và hấp thụ phần tử. Hấp phụ được sử dụng trong nhiều ngành công nghiệp như công nghệ môi trường, hóa dược, công nghệ thực phẩm và vật liệu, để tách chất, làm sạch môi trường, lọc khí, tạo chất tạo màng và nhiều ứng dụng khác.
Hấp phụ có thể xảy ra trong các hệ thống khác nhau như hệ thống chất rắn-chất lỏng, chất lỏng-chất khí hoặc chất rắn-chất khí. Quá trình hấp phụ thường bao gồm các bước sau:
1. Tiếp xúc: Chất hấp phụ tiếp xúc với chất bị hấp phụ. Điều này thường xảy ra ở giao diện giữa chất hấp phụ và chất bị hấp phụ.
2. Phân tán: Chất hấp phụ phân tán vào chất bị hấp phụ. Điều này tạo ra sự tiếp xúc giữa các pha và tạo điều kiện cho quá trình hấp phụ xảy ra.
3. Tương tác: Chất hấp phụ và chất bị hấp phụ tương tác với nhau. Các lực tương tác có thể là tương tác tĩnh điện, tương tác vị trí bề mặt, tương tác hút hơi hoặc tương tác hóa học.
4. Hấp phụ: Chất hấp phụ bám vào bề mặt của chất bị hấp phụ. Điều này tạo ra một lớp mỏng của chất hấp phụ trên bề mặt chất bị hấp phụ.
5. Khử phụ: Quá trình ngược lại của hấp phụ, trong đó chất bị hấp phụ được loại bỏ khỏi chất hấp phụ. Điều này để tái sử dụng chất hấp phụ hoặc điều khiển lượng chất bị hấp phụ trong hệ thống.
Hấp phụ có nhiều ứng dụng trong thực tế. Ví dụ, trong công nghệ môi trường, hấp phụ được sử dụng để loại bỏ chất ô nhiễm trong nước hoặc không khí. Trong công nghệ hóa dược, hấp phụ có thể được sử dụng để tách chất thụ động trong quá trình sản xuất dược phẩm. Trong công nghệ thực phẩm, hấp phụ có thể được sử dụng để làm sạch, tách chất và cung cấp tính nổi bật cho sản phẩm. Trong công nghệ vật liệu, hấp phụ có thể được sử dụng để tạo chất tạo màng hoặc chất tạo bề mặt chống ẩm cho vật liệu.
Trong quá trình hấp phụ, chất hấp phụ có thể là chất rắn, chất lỏng hoặc chất khí. Các chất hấp phụ có thể là các loại hợp chất hóa học, polymer, than hoạt tính, zeolite, kim loại sinh học, carbón, hạt vi lượng và nhiều loại chất khác.
Các quá trình hấp phụ có thể xảy ra theo nhiều cơ chế khác nhau, ví dụ như:
1. Tương tác tĩnh điện: Đây là quá trình trong đó các chất hấp phụ và chất bị hấp phụ tương tác và hình thành liên kết tĩnh điện. Ví dụ như quá trình hấp phụ ion trong thuốc nhuộm hoặc kháng sinh.
2. Tương tác vị trí bề mặt: Các chất hấp phụ và chất bị hấp phụ tương tác thông qua các lực căng bề mặt, làm cho chất bị hấp phụ bám chặt vào bề mặt chất hấp phụ. Ví dụ, trong quá trình hấp phụ màu sắc, chất hấp phụ có một bề mặt sở thích để mắc kẹt các hạt màu sắc.
3. Hút hơi: Khi chất bị hấp phụ là chất khí, chất hấp phụ có khả năng hút và giữ chất khí này. Điều này thường thấy trong quá trình hấp phụ khí như quá trình hấp phụ CO2 trong công nghệ môi trường hoặc quá trình hấp phụ khí mùi trong công nghiệp thực phẩm và môi trường.
4. Hấp thụ phần tử: Trong trường hợp này, chất bị hấp phụ hấp thụ phần tử từ chất khác. Ví dụ, quá trình hấp thụ hydro từ môi trường bằng than hoạt tính hoặc quá trình hấp phụ kim loại nặng trong nước.
Các ứng dụng của hấp phụ rất rộng rãi và đa dạng. Chẳng hạn, trong công nghệ môi trường, quá trình hấp phụ được sử dụng để loại bỏ các chất gây ô nhiễm như thuốc nhuộm, kim loại nặng và chất hữu cơ từ nước hoặc không khí. Trong công nghệ hóa dược, quá trình hấp phụ có thể được sử dụng để tác nhân, tách chất hoạt động và làm sạch sản phẩm. Quá trình hấp phụ cũng được áp dụng trong công nghệ thực phẩm để làm sạch và làm việc tách chất trong sản xuất thực phẩm và đồ uống.
Danh sách công bố khoa học về chủ đề "hấp phụ":
Nghiên cứu sự phân hủy lipid trong cá đông lạnh đã dẫn đến việc phát triển một phương pháp đơn giản và nhanh chóng để chiết xuất và tinh chế lipid từ các vật liệu sinh học. Toàn bộ quy trình có thể được thực hiện trong khoảng 10 phút; nó hiệu quả, có thể tái lập và không có sự thao tác gây hại. Mô ướt được đồng nhất hóa với hỗn hợp chloroform và methanol theo tỷ lệ sao cho hệ thống tan được hình thành với nước trong mô. Sau khi pha loãng với chloroform và nước, dịch đồng nhất được phân tách thành hai lớp, lớp chloroform chứa toàn bộ lipid và lớp methanol chứa tất cả các hợp chất không phải là lipid. Một chiết xuất lipid tinh khiết được thu nhận chỉ đơn giản bằng cách tách lớp chloroform. Phương pháp này đã được áp dụng cho cơ cá và có thể dễ dàng thích nghi để sử dụng với các mô khác.
Một phương pháp ước tính hàm lượng cholesterol trong phần lipoprotein có tỷ trọng thấp của huyết thanh (Sf0-20) được trình bày. Phương pháp này bao gồm các phép đo nồng độ cholesterol toàn phần trong huyết tương khi đói, triglyceride và cholesterol lipoprotein có tỷ trọng cao, không yêu cầu sử dụng thiết bị siêu ly tâm chuẩn bị. So sánh quy trình được đề xuất này với quy trình trực tiếp hơn, trong đó thiết bị siêu ly tâm được sử dụng, đã cho thấy các hệ số tương quan từ 0,94 đến 0,99, tùy thuộc vào nhóm bệnh nhân được so sánh.
Trình bày một phương pháp N⋅log(N) để đánh giá năng lượng tĩnh điện và các lực của các hệ thống chu kỳ lớn. Phương pháp này dựa trên nội suy các tổng Ewald trong không gian nghịch đảo và đánh giá các tích chập kết quả bằng cách sử dụng biến đổi Fourier nhanh. Thời gian thực hiện và độ chính xác được trình bày cho ba hệ tinh thể ion lớn.
Một chỉnh sửa của phương pháp băng đàn hồi nút được trình bày để tìm kiếm đường dẫn năng lượng tối thiểu. Một trong những hình ảnh được làm leo lên dọc theo băng đàn hồi để hội tụ một cách nghiêm ngặt vào điểm yên ngựa cao nhất. Ngoài ra, các hằng số đàn hồi biến thiên được sử dụng để tăng mật độ các hình ảnh gần đỉnh của rào cản năng lượng nhằm ước lượng tốt hơn đường tọa độ phản ứng gần điểm yên ngựa. Các ứng dụng cho sự hấp phụ phân hủy CH4 trên Ir (111) và H2 trên Si (100) sử dụng lý thuyết phi hàm mật độ dựa trên sóng phẳng được trình bày.
Một tập hợp cơ sở Gaussian loại thu gọn (6-311G**) đã được phát triển bằng cách tối ưu hóa các số mũ và hệ số ở cấp độ bậc hai của lý thuyết Mo/ller–Plesset (MP) cho trạng thái cơ bản của các nguyên tố hàng đầu tiên. Tập hợp này có sự tách ba trong các vỏ valence s và p cùng với một bộ các hàm phân cực chưa thu gọn đơn lẻ trên mỗi nguyên tố. Tập cơ sở được kiểm tra bằng cách tính toán cấu trúc và năng lượng cho một số phân tử đơn giản ở các cấp độ lý thuyết MP khác nhau và so sánh với thực nghiệm.
Chúng tôi trình bày một khung nghiên cứu về sự biến đổi phân tử trong một loài. Dữ liệu về sự khác biệt giữa các haplotype DNA đã được tích hợp vào một định dạng phân tích phương sai, xuất phát từ ma trận khoảng cách bình phương giữa tất cả các cặp haplotype. Phân tích phương sai phân tử (AMOVA) này cung cấp các ước tính về thành phần phương sai và các đồng vị thống kê F, được gọi là phi-statistics, phản ánh sự tương quan của độ đa dạng haplotype ở các cấp độ phân chia thứ bậc khác nhau. Phương pháp này khá linh hoạt để thích ứng với các ma trận đầu vào thay thế, tương ứng với các loại dữ liệu phân tử khác nhau, cũng như các giả định tiến hóa khác nhau, mà không làm thay đổi cấu trúc cơ bản của phân tích. Ý nghĩa của các thành phần phương sai và phi-statistics được kiểm định bằng cách tiếp cận hoán vị, loại bỏ giả định về chuẩn tính thông thường trong phân tích phương sai nhưng không phù hợp cho dữ liệu phân tử. Áp dụng AMOVA cho dữ liệu haplotype DNA ty thể của con người cho thấy, sự phân chia dân số được giải quyết tốt hơn khi một số biện pháp khác biệt phân tử giữa các haplotype được đưa vào phân tích. Tuy nhiên, ở cấp độ nội bộ loài, thông tin bổ sung từ việc biết quan hệ phân loại chính xác giữa các haplotype hoặc thông qua việc dịch phi tuyến thay đổi vị trí hạn chế thành độ đa dạng nucleotide không làm thay đổi đáng kể cấu trúc di truyền dân số suy luận. Các nghiên cứu Monte Carlo cho thấy việc lấy mẫu vị trí không ảnh hưởng căn bản tới ý nghĩa của các thành phần phương sai phân tử. Việc xử lý AMOVA dễ dàng mở rộng theo nhiều hướng khác nhau và cấu thành một khung hợp lý và linh hoạt cho việc phân tích thống kê dữ liệu phân tử.
Chúng tôi xem xét vấn đề so sánh các mô hình phân cấp phức tạp trong đó số lượng tham số không được xác định rõ. Sử dụng lập luận thông tin lý thuyết, chúng tôi đưa ra một thước đo pD cho số lượng tham số hiệu quả trong một mô hình như sự khác biệt giữa trung bình hậu nghiệm của độ lệch và độ lệch tại giá trị trung bình hậu nghiệm của các tham số quan trọng. Nói chung pD tương quan xấp xỉ với vết của tích giữa thông tin Fisher và hiệp phương sai hậu nghiệm, trong các mô hình chuẩn là vết của ma trận ‘hat’ chiếu các quan sát lên giá trị được khớp. Các tính chất của nó trong các họ số mũ được khảo sát. Trung bình hậu nghiệm của độ lệch được đề xuất như một biện pháp đo lường Bayesian về sự phù hợp hoặc đủ, và sự đóng góp của các quan sát riêng lẻ đến sự phù hợp và độ phức tạp có thể dẫn đến một biểu đồ chuẩn đoán của phần dư độ lệch so với đòn bẩy. Việc thêm pD vào trung bình hậu nghiệm độ lệch tạo ra tiêu chuẩn thông tin độ lệch để so sánh các mô hình, liên quan đến các tiêu chuẩn thông tin khác và có một sự biện hộ xấp xỉ quyết định lý thuyết. Quy trình được minh họa trong một số ví dụ, và các so sánh được thực hiện với các đề xuất Bayesian và cổ điển khác. Suốt cả quá trình, nhấn mạnh rằng lượng cần thiết để tính toán trong phân tích Markov chain Monte Carlo là không đáng kể.
Tiến hành một đánh giá về văn liệu là một phần quan trọng của bất kỳ dự án nghiên cứu nào. Nhà nghiên cứu có thể xác định và đánh giá lãnh thổ tri thức liên quan để chỉ định một câu hỏi nghiên cứu nhằm phát triển thêm cơ sở tri thức. Tuy nhiên, các bản đánh giá 'mô tả' truyền thống thường thiếu tính toàn diện, và trong nhiều trường hợp, không được thực hiện như những mảnh ghép đích thực của khoa học điều tra. Do đó, chúng có thể thiếu phương tiện để hiểu những gì tập hợp các nghiên cứu đang nói. Những đánh giá này có thể bị nghiên cứu viên thiên vị và thường thiếu đi tính chặt chẽ. Hơn nữa, việc sử dụng các đánh giá về bằng chứng sẵn có để cung cấp cái nhìn sâu sắc và hướng dẫn cho can thiệp vào nhu cầu hoạt động của người thực hành và nhà làm chính sách chủ yếu là yếu tố thứ cấp. Đối với người thực hành, việc hiểu một khối chứng cứ thường mang tính mâu thuẫn đã trở nên ngày càng khó khăn hơn. Chất lượng của bằng chứng hỗ trợ việc ra quyết định và hành động đã bị đặt dấu hỏi, vì bằng chứng không đầy đủ hoặc hoàn chỉnh nghiêm trọng cản trở việc hình thành và thực thi chính sách. Khi nghiên cứu các cách mà các đánh giá quản lý dựa trên bằng chứng có thể đạt được, các tác giả đánh giá quy trình đánh giá hệ thống được sử dụng trong khoa học y học. Trong 15 năm qua, khoa học y học đã cố gắng cải thiện quy trình đánh giá bằng cách tổng hợp nghiên cứu một cách hệ thống, minh bạch và tái sản xuất với cả hai mục tiêu nâng cao cơ sở tri thức và thông tin hoá việc ra quyết định chính sách và thực hành. Bài báo này đánh giá mức độ mà quy trình đánh giá hệ thống có thể được áp dụng cho lĩnh vực quản lý nhằm tạo ra một khối dự trữ tri thức đáng tin cậy và nâng cao thực hành bằng cách phát triển nghiên cứu nhạy cảm với bối cảnh. Bài viết nêu bật các thách thức trong việc phát triển một phương pháp luận thích hợp.
Một phương pháp kiểm tra đất DTPA đã được phát triển để nhận diện các loại đất gần trung tính và đất vôi có hàm lượng Zn, Fe, Mn, hoặc Cu không đủ cho năng suất cây trồng tối đa. Chất triết suất gồm 0.005
Phương pháp kiểm tra đất đã phân biệt thành công 77 loại đất ở Colorado dựa trên sự phản ứng của cây trồng với phân bón kẽm, sắt và mangan. Mức độ dinh dưỡng quan trọng phải được xác định riêng biệt cho từng loại cây trồng sử dụng quy trình tiêu chuẩn hóa cho việc chuẩn bị đất, nghiền và triết suất. Các mức độ quan trọng cho ngô sử dụng quy trình báo cáo trong nghiên cứu này là: 0.8 ppm cho Zn, 4.5 ppm cho Fe, tạm thời 1.0 ppm cho Mn, và 0.2 ppm cho Cu.
Việc phát triển phương pháp kiểm tra đất một phần dựa trên các cân nhắc lý thuyết. Chất triết suất được đệm tại pH 7.30 và chứa CaCl2 để cân bằng với CaCO3 tại mức CO2 cao hơn khoảng 10 lần so với mức trong không khí. Nhờ đó, chất triết suất tránh việc hòa tan CaCO3 và phát thải các dưỡng chất bị mắc kẹt thường không có sẵn cho cây trồng. DTPA được chọn làm chất tạo phức vì có khả năng hiệu quả chiết xuất cả bốn kim loại vi lượng. Các yếu tố như pH, nồng độ chất tạo phức, thời gian lắc, và nhiệt độ triết suất ảnh hưởng đến lượng vi lượng được chiết xuất và được điều chỉnh để đạt hiệu quả tối đa.
- 1
- 2
- 3
- 4
- 5
- 6
- 10