Fuels are inevitable for industrial development and growth of any country. The life span of fossil fuel resources has always been terrifying. Biodiesel, a renewable source of energy seems to be an ideal solution for global energy demands including India as well. The current review is addressed to various aspects of biodiesel production. Latest literature has been critically reviewed and consulted.

Waste frying oil was used to produce biodiesel using calcined snail shell as a heterogeneous base catalyst. Trans esterification reactions were carried out and the yield and conversion of the product were optimized by varying the methanol to oil molar ratio, catalyst amount, reaction temperature, and time. A biodiesel conversion of 99.58% was obtained with a yield of 87.28%. The reaction followed first order kinetics. The activation energy (EA) was 79 kJ/mol and the frequency factor (A) was 2.98 × 1010 min−1. The fuel properties of the biodiesel were measured according to ASTM D 6751 and found to be within the specifications. Snail shell is a novel source for the production of heterogeneous base catalyst that can be successfully utilized for synthesis of biodiesel of high purity.

With tremendous increase in development of nanotechnology, there is a developing enthusiasm toward the application of nanoparticles in diverse areas. Carbon nanotubes, fullerenes, quantum dots, dendrimers, iron oxide, silica, and gold and silver nanoparticles are frequently used in different applications such as drug delivery, ceramic materials, semiconductors, electronics, medicine, cosmetics, etc. Some of these nanoparticles have shown major toxic effects on fauna, flora, and human beings, such as inflammation, cytotoxicity, tissue ulceration, and reduction of cell viability. Single-walled carbon nanotubes (SWCNTs) and multiwalled carbon nanotubes (MWCNTs) can induce oxidative stress and fibrosis in the lungs of rat and mice. SWCNTs can also induce oxidative stress to the nervous system in human beings. Inflammatory injury and respiratory distress can be observed due to TiO2 nanoparticles with small diameter. Nanoparticles can also pose detrimental effects on plants, such as decreased growth rate, genomic and proteomic changes, etc. Toxicity of nanoparticles arises because of their specific characteristics, such as greater “surface area to volume ratio” compared with bulk particles of the same chemistry. The objective of this review is to critically evaluate the current literature on the toxicity of nanoparticles.

The application of nanomaterials for water treatment has gained impetus in recent years. Nano-adsorbents offer significant decontamination potential due to their unique characteristics. Present study deals with synthesis and application of alumina nanoparticles for removal of an anionic dye, Orange G (OG) from aqueous solutions. The properties of synthesized nanoparticles were investigated by FTIR, TG/DTA, XRD, TEM, SEM, EDX and N2 adsorption-desorption techniques. The effect of various important parameters on dye removal was examined and adsorption was found to be highly pH dependent and maximum removal of 98.4% was observed at pH 2.5. The presence of interfering anions such as SO42−, PO43−, and C2O42− was found to be limiting factor of the adsorption process. The kinetic results demonstrated that the sorption process was described by pseudo-second-order model. Mechanism of adsorption process was also interpreted with the help of diffusion models and the results exhibited that external diffusion governed the overall sorption process. The Langmuir model yielded a good fit for the experimental data with high adsorption capacity (93.3 mg/g at 303 K). The evaluated thermodynamic parameters ΔG°, ΔH° and ΔS°, proposed that adsorption of OG was spontaneous, feasible, and exothermic under investigated conditions. Desorption experiments confirmed that the exhausted adsorbent can be successfully regenerated and can be effectively reused up to four successive cycles with almost the same sorption capacity resulting in reducing cost of treatment. The adsorption performance of alumina nanoparticles was also tested by using real wastewater and results indicated that nano alumina is proficient for the treatment of multi-solute system also.

This investigation scrutinizes the facile preparation of a non-complex, low-cost, sustainable, and industrially feasible adsorbent along with conducting its mechanistic studies, followed by its implementation in the removal of MB dye.

Abstract This research explores the potential of use of waste scaling deposition from electric geysers (EGWS) to synthesize calcium oxide and address fluoride and nitrate contamination in water. The study adopts a circular economy framework by utilizing the synthesized calcium oxide to modify corn cob biochar through ball‐milling, creating a cost‐effective and environmentally sustainable adsorbent. The adsorbent is characterized and pHpzc analysis of CaO@CBC indicates sustained high adsorption capacities for nitrate and fluoride across a broad pH range (2–11). The adsorption kinetics follow a pseudo‐second‐order model, indicating chemisorption mechanisms. The Langmuir isotherm model fits well, showing high maximum adsorption capacities of 18.36 mg g −1 for fluoride and 19.27 mg g −1 for nitrate, surpassing those reported for other materials. Thermodynamic studies indicate that the uptake reactions of fluoride and nitrate are spontaneous and exothermic. Results from pH studies, XPS analysis, and FTIR offer insights into the adsorption mechanism by suggesting electrostatic attraction, inner‐sphere complexation, and ion exchange. The research establishes the efficacy of CaO‐impregnated biochar derived from electric geyser waste in removing fluoride and nitrate, offering a sustainable solution for water pollution. This work breakthroughs the development of efficient and eco‐friendly adsorbents for water treatment, aligning with the principles of a circular economy.

This study presents a comprehensive investigation into the impact of sensor configurations on the accuracy of flow-field predictions by a Physics-Informed Neural Network (PINN) model in the context of a 2-dimensional stenosis hemodynamics problem. Utilizing the Latin Hypercube Sampling (LHS) technique, we systematically generated 80 distinct sensor configurations across the computational domain. Our results demonstrate that the accuracy of flow-field predictions is notably more sensitive to sensors located close to the stenosis and inlet, challenging the conventional assumption of equal importance for all sensors. The spatial arrangement of sensors emerges as a critical factor influencing predictive accuracy. The sensor configurations with the highest and lowest prediction accuracy had Root Mean Square Error (RMSE) values of 0.3% and 30%. These findings offer valuable insights for the optimization of sensor layouts in hemodynamic modeling, indicating that careful consideration of the configuration, especially in regions near the stenosis and inlet, can significantly enhance the accuracy of flowfield predictions. This research contributes to the refinement of sensor deployment methodologies and advances our understanding of the relationship between sensor placement and predictive precision in stenosis hemodynamics modeling using PINNs.