DOI: https://doi.org/10.1038/s41598-025-00324-8
PMID: https://pubmed.ncbi.nlm.nih.gov/40320440
تاريخ النشر: 2025-05-04
المؤلف: Abhishek Kagalkar وآخرون
الموضوع الرئيسي: المواد النانوية للتفاعلات الحفزية
نظرة عامة
تبحث هذه الدراسة في فعالية مركبات ZnO-MXene النانوية كمواد ماصة لإزالة أيونات المعادن الثقيلة من مياه الصرف الصحي. باستخدام طريقة تخليق كيميائية من خطوتين، تسلط الدراسة الضوء على تأثير درجة الحرارة على شكل المركبات. تكشف تجارب الامتصاص عن كفاءات إزالة عالية تصل إلى 97% للكروم، 91% للكادميوم، 97% للرصاص، و96% للزرنيخ. تشير تحليلات الإيزوثيرم إلى توافق أفضل مع نموذج فريندلش، مما يشير إلى امتصاص غير متجانس، بينما تتماشى الدراسات الحركية مع نموذج من الدرجة الثانية الزائفة. تؤكد التقييمات الديناميكية الحرارية أن عملية الامتصاص تلقائية ومفيدة، مدفوعة بشكل أساسي بآليات الامتصاص الكيميائي.
علاوة على ذلك، تتنبأ نماذج التعلم الآلي، وخاصة نموذج الغابة العشوائية (RF) ونموذج آلة الدعم (SVM)، بشكل فعال بأداء الامتصاص، حيث حقق RF أعلى دقة. أنتج نموذج SVM المحسن خطأ متوسط الجذر التربيعي (RMSE) قدره 1.54، بينما تفوق نموذج RF بخطأ RMSE قدره 1.30، جنبًا إلى جنب مع قيم الخطأ المطلق المتوسط (MAE) وخطأ النسبة المطلقة المتوسطة (MAPE) التي تشير إلى قدرات تنبؤية قوية. تؤكد هذه النتائج على إمكانيات مركبات ZnO-MXene النانوية كحل فعال من حيث التكلفة وكفاءة لمعالجة مياه الصرف الصحي، من خلال دمج النتائج التجريبية مع نمذجة تنبؤية متقدمة لتعزيز فهم آليات الامتصاص وتسهيل تطوير تقنيات معالجة بيئية قابلة للتوسع.
طرق
توضح قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يتفصل في المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، معدات، وعينات بيولوجية، لضمان إمكانية تكرار التجارب. تشمل المنهجية التقنيات المطبقة لجمع البيانات وتحليلها، مثل الأساليب الإحصائية، بروتوكولات التجارب، وأي أدوات حسابية مستخدمة.
بالإضافة إلى ذلك، قد يصف القسم حجم العينة، الضوابط، وأي إجراءات عشوائية أو إخفاء تم تنفيذها لتقليل التحيز. بشكل عام، يعد هذا القسم أساسًا حيويًا لفهم صحة نتائج البحث وآثارها ضمن السياق الأوسع للدراسة.
نتائج
تحققت الدراسة من كفاءة إزالة ZnO@MXene، وهو ماص نانوي يتكون من MXene كربيد التيتانيوم، من خلال دراسات بارامترية متنوعة. تضمنت العوامل الرئيسية التي تم تقييمها وقت الاتصال، الجرعة، درجة الحرارة، الرقم الهيدروجيني، والتركيز الأولي للملوثات. أشارت النتائج إلى أن نهايات سطح MXene عززت بشكل كبير إزالة أيونات المعادن المسرطنة مقارنة بـ MXene وحده. تم تحليل عينات مياه الصرف الصحي باستخدام مطيافية انبعاث البلازما المقترنة بالحث (ICP-OES، نموذج 7300 DV، بيركن إلمر)، وتم التحقق من النتائج من خلال قياسات ثلاثية، مما يضمن موثوقية النتائج.
مناقشة
تتناول قسم المناقشة في ورقة البحث تخليق وتوصيف مركب ZnO@MXene الذي يهدف إلى إزالة أيونات المعادن من المياه الجوفية الملوثة، وخاصة في المناطق المتأثرة بالتلوث الصناعي. تم معالجة سلف المرحلة MAX، Ti₃AlC₂، باستخدام فلوريد الصوديوم وحمض الهيدروكلوريك لإنتاج جزيئات Ti₃C₂Tₓ متعددة الطبقات، والتي تم بعد ذلك تفعيلها باستخدام قضبان ZnO النانوية. تضمنت عملية التخليق التحكم الدقيق في ظروف التفاعل، بما في ذلك درجة الحرارة والتركيز، لضمان الحفر الفعال والترسيب. أكدت تقنيات التوصيف مثل SEM، EDX، XRD، وFTIR التكوين الناجح للمركب وسلامته الهيكلية، مما يشير إلى أن مكونات ZnO وMXene كانت متكاملة بشكل جيد.
أظهرت تجارب الامتصاص أن مركب ZnO@MXene أزال بشكل فعال أيونات المعادن مثل الكادميوم، الرصاص، الكروم، والزرنيخ من مياه الصرف الصحي، محققًا كفاءات إزالة تتراوح بين 92% و99%. كانت آليات الامتصاص تعزى بشكل أساسي إلى الجذب الكهروستاتيكي وتعديل السطح، حيث استكشفت الدراسة معلمات متنوعة مثل وقت الاتصال، الجرعة، درجة الحرارة، والرقم الهيدروجيني لتحسين الأداء. أشارت النتائج إلى أن حركية الامتصاص اتبعت نماذج من الدرجة الأولى الزائفة والثانية الزائفة، مما يبرز إمكانيات المركب للتطبيقات العملية في معالجة مياه الصرف الصحي. بالإضافة إلى ذلك، تم اقتراح دمج تقنيات التعلم الآلي لتعزيز النمذجة التنبؤية وتحسين عمليات الامتصاص، مع معالجة تعقيدات مجموعات البيانات البيئية وتحسين كفاءة المعالجة.
DOI: https://doi.org/10.1038/s41598-025-00324-8
PMID: https://pubmed.ncbi.nlm.nih.gov/40320440
Publication Date: 2025-05-04
Author(s): Abhishek Kagalkar et al.
Primary Topic: Nanomaterials for catalytic reactions
Overview
This research investigates the effectiveness of ZnO-MXene nanocomposites as adsorbents for the removal of heavy metal ions from wastewater. Utilizing a two-step chemical synthesis method, the study highlights the influence of temperature on the morphology of the composites. The adsorption experiments reveal high removal efficiencies of 97% for chromium, 91% for cadmium, 97% for lead, and 96% for arsenic. Isotherm analyses indicate a better fit with the Freundlich model, suggesting heterogeneous adsorption, while kinetic studies align with a pseudo-second-order model. Thermodynamic evaluations confirm that the adsorption process is spontaneous and favorable, predominantly driven by chemisorption mechanisms.
Furthermore, machine learning models, specifically Random Forest (RF) and Support Vector Machine (SVM), effectively predict adsorption performance, with RF achieving the highest accuracy. The optimized SVM model produced a root mean square error (RMSE) of 1.54, while the RF model outperformed with an RMSE of 1.30, alongside mean absolute error (MAE) and mean absolute percentage error (MAPE) values indicating strong predictive capabilities. These findings underscore the potential of ZnO-MXene nanocomposites as a cost-effective and efficient solution for wastewater treatment, integrating experimental results with advanced predictive modeling to enhance understanding of adsorption mechanisms and facilitate the development of scalable environmental remediation technologies.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including any reagents, equipment, and biological samples, ensuring reproducibility of the experiments. The methodology encompasses the techniques applied for data collection and analysis, such as statistical methods, experimental protocols, and any computational tools utilized.
Additionally, the section may describe the sample size, controls, and any randomization or blinding procedures implemented to minimize bias. Overall, this section serves as a critical foundation for understanding the validity of the research findings and their implications within the broader context of the study.
Results
The study investigated the removal efficiency of ZnO@MXene, a nano adsorbent composed of titanium carbide MXene, through various parametric studies. Key factors assessed included contact time, dosage, temperature, pH, and initial concentration of contaminants. The results indicated that the surface terminations of MXene significantly enhanced the removal of carcinogenic metal ions compared to MXene alone. Wastewater samples were analyzed using Inductively Coupled Plasma Optical Emission Spectroscopy (ICP-OES, model 7300 DV, Perkin Elmer), with results validated through triplicate measurements, ensuring the reliability of the findings.
Discussion
The discussion section of the research paper details the synthesis and characterization of a ZnO@MXene composite aimed at removing metal ions from contaminated groundwater, particularly in regions affected by industrial pollution. The MAX phase precursor, Ti₃AlC₂, was treated with sodium fluoride and hydrochloric acid to produce multilayered Ti₃C₂Tₓ particles, which were then functionalized with ZnO nanorods. The synthesis process involved careful control of reaction conditions, including temperature and concentration, to ensure effective etching and deposition. Characterization techniques such as SEM, EDX, XRD, and FTIR confirmed the successful formation of the composite and its structural integrity, indicating that the ZnO and MXene components were well integrated.
The adsorption experiments demonstrated that the ZnO@MXene composite effectively removed metal ions such as cadmium, lead, chromium, and arsenic from wastewater, achieving removal efficiencies between 92% and 99%. The adsorption mechanisms were primarily attributed to electrostatic attraction and surface modification, with the study exploring various parameters such as contact time, dosage, temperature, and pH to optimize performance. The results indicated that adsorption kinetics followed both pseudo-first-order and pseudo-second-order models, highlighting the composite’s potential for practical applications in wastewater treatment. Additionally, the integration of machine learning techniques was suggested to enhance predictive modeling and optimize adsorption processes, addressing the complexities of environmental datasets and improving treatment efficiency.