MétaCan
Menu
Retour à la cohorte
Enregistrement W1970718624 · doi:10.1021/la701016p

Dielectrophoretic Levitation in the Presence of Shear Flow:  Implications for Colloidal Fouling of Filtration Membranes

2007· article· en· W1970718624 sur OpenAlexaff
Shahnawaz Molla, Subir Bhattacharjee

Notice bibliographique

RevueLangmuir · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésLevitationFoulingColloidParticle depositionSuspension (topology)Filtration (mathematics)Membrane foulingParticle (ecology)ChemistryMechanicsMembraneDeposition (geology)Shear flowMaterials scienceTurbulencePhysics

Résumé

récupéré en direct d'OpenAlex

The ability of dielectrophoretic (DEP) forces created using a microelectrode array to levitate particles in a colloidal suspension is studied experimentally and theoretically. The experimental system employs microfabricated electrode arrays on a glass substrate to apply repulsive DEP forces on polystyrene latex particles suspended in an aqueous medium. A numerical model based on the convection-diffusion-migration equation is presented to calculate the concentration distribution of colloidal particles in shear flow under the influence of a repulsive DEP force field. The results obtained from the numerical simulations are compared against trajectory analysis results and experimental data. The results indicate that by incorporating ac electric field-induced DEP forces in a shear flow, particle accumulation and deposition on the flow channel surfaces can be significantly reduced or even completely averted. The mathematical model is then used to indicate how the deposition behavior is modified in the presence of a permeable substrate, representative of tangential flow membrane filtration operations. The results indicate that the repulsive dielectrophoretic (DEP) forces imparted to the particles suspended in the feed can be employed to mitigate membrane fouling in a cross-flow filtration process.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,125

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,249
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207