化学词典告诉你四氧化三铁的生产方法及用途。四氧化三铁，化学式Fe3O4。俗称氧化铁黑、磁铁、吸铁石、黑铁，为具有磁性的黑色晶体，故又称为磁性氧化铁。此物质溶于酸溶液，不溶于水、碱溶液及乙醇、乙醚等有机溶剂。天然的四氧化三铁不溶于酸溶液，潮湿状态下在空气中容易氧化成三氧化二铁。通常用作颜料和抛光剂，也可用于制造录音磁带和电讯器材。 四氧化三铁的生产方法1.α-Fe2O3的氢气还原法：将高纯微粉状α-Fe2O3装入盘中，粉末层不应过厚。将盘放入反应管之后，通入高纯氮气将空气完全置换出去。接着通过洗气瓶慢慢送入经水饱和的氢气。加热温度在300～400℃(例如330℃)比较适当。确证反应完了（通常1～3h）后冷却，停止送氢气，再用氮气置换之后，取出样品。水蒸气量不足，加热温度过高或还原过度都会生成FeO，因此必须注意。提高洗气瓶温度就可以增加水蒸气量（40～60℃比较适宜）。以针状α-FeO(OH)为起始原料经加热脱水则得α-Fe2O3。用这种α-Fe2O3就可制得针状四氧化三铁粒子。黑色录音磁带就是用这种四氧化三铁作为磁带录音媒介；2.加合法:将铁屑与硫酸反应制得硫酸亚铁，再加入烧碱和三氧化二铁在95～105℃进行加合反应生成四氧化三铁，经过滤、烘干、粉碎制得氧化铁黑；3.氢氧化亚铁的缓慢氧化法：将含有氢氧化亚铁沉淀的水溶液加热到70℃以上，进行缓慢的氧化，就可以得到由棱长大约0.2μm的相当均匀的正八面体或立方单晶粒子组成的四氧化三铁粉末。也可以用输送空气泡作为氧化的手段。还可以用像KNO3那样的氧化剂；4.Harber法：操作熟练的话可以得到化学计算组成为Fe3.00O4.00的四氧化三铁，Harber法将220g20%氨水加到2.2LFeSO4·7H2O水溶液，在断绝空气的条件下煮沸（可以用装有毛细管的圆底烧瓶），在煮沸中加入含有25.5gKNO3的浓水溶液；5.加碱法硫酸亚铁溶液加碱氧化或将铁盐和亚铁盐的溶液按一定比例混合后加碱沉淀制得。四氧化三铁的用途四氧化三铁是一种常用的磁性材料。特制的纯净四氧化三铁用来作录音磁带和电讯器材的原材料。天然的磁铁矿是炼铁的原料。用于制底漆和面漆。四氧化三铁是生产铁触媒（一种催化剂）的主要原料。它的硬度很大，可以作磨料。已广泛应用于汽车制动领域，如：刹车片、刹车蹄等。四氧化三铁在国内焊接材料领域已得到认可，用于电焊条、焊丝的生产尚属起步阶段，市场前景十分广阔。四氧化三铁因其比重大，磁性强的特点，在污水处理方面表现出了良好的性能。四氧化三铁还可做颜料和抛光剂。我们还可以通过某些化学反应，比如使用亚硝酸钠等等，使钢铁表面生成一层致密的四氧化三铁，用来防止或减慢钢铁的锈蚀，例如枪械、锯条等表面的发蓝、发黑。俗称“烤蓝”。制作特殊电极。

元素百科为您介绍《工业与工程化学研究》开发出净化水体铅的新材料。重金属铅是一种具有神经毒性的金属元素，可以通过皮肤、消化道及呼吸道渠道进入人体。日前，中科院东北地理所于洪文、王娜娜等研究人员在水体铅污染净化研究方向取得新进展，相关成果发布于《工业与工程化学研究》。 如何降低自来水的铅含量铅对水生生物的安全浓度为0.16mg/L，自来水中可接受的铅最大浓度仅为0.05mg/L。因此，如何高效去除水体中的铅，降低水体铅污染程度显得尤为重要。科研人员利用天然高分子材料——壳聚糖，通过一种简单、绿色的方法成功开发制备了具有海绵结构的黄原酸化硫脲壳聚糖吸附材料，并在污染水体铅的吸附净化研究中取得成功。新材料对铅离子的吸附性研究研究表明，该材料对铅离子具有优异的选择性吸附能力，饱和吸附量可达到188.04mg/g，对于浓度在200ppm以内的含铅废水，其对铅离子的去除率在1小时以内可达到90%以上。此外，由于该材料呈三维的立体结构，极易实现其与废水的快速分离，同时还具有较好的稳定性，可实际应用于固定床等水体污染吸附净化反应装置。该成果目前已经申请了发明专利。

元素百科为您介绍计算机破解化学家难题：从分子的结构预测它的味道。这不是一件可被嗤之以鼻的事情。计算机破解了一道困扰化学家几个世纪的难题：从分子的结构预测它的味道。这一壮举或许使香水制造商和味道专家得以在试验和错误大大减少的情况下创造新产品。相关成果日前发表于生命科学预印本网站bioRxiv。 分子结构决定味道和结果可通过分析光波长或声音被预测出来的视觉和听觉不同，人类的嗅觉一直很神秘。研究嗅觉的化学家从来没能预测出某个特定的分子闻上去是何种味道，除了在一些特殊情况下，由于一个分子结构的很多方面可能在决定其味道上发挥着重要作用。算法与志愿者同时对化学物质味道评分来自美国纽约洛克菲勒大学的AndreasKeller和LeslieVosshall决定利用机器学习的力量解决这一问题。首先，他们让49名志愿者依据气味的浓度和愉悦程度及其同大蒜、香料或水果等19个其他描述语的匹配度，对476种化学物质的味道进行评分。随后，研究人员公布了407种化学物质的数据以及测定化学结构的4884个不同变量，并且邀请所有人开发能搞清楚这些模式的机器学习算法。他们利用剩下的69种化学物质评估了各种算法的准确性，其中有22个团队接受了这一挑战。事实证明，最好的算法比此前预测志愿者对接受测试的化学物质所做描述的任何努力要准确很多。这些努力不太理想，部分原因在于人们在第二次接受测试时极少能对相同的气味给出一样的评分。下一个挑战则是弄清楚化学物质的混合物将产生何种味道。“现在做的是对单个分子进行评定。”来自科罗拉多州柯林斯堡一家感官咨询公司的AveryGilbert表示，“更有用的是知道哪些成分能被很好地集成在一起。”