MétaCan
Menu
Retour à la cohorte
Enregistrement W2041946970 · doi:10.6000/1929-6037.2015.04.01.4

Scrutinizing the Nanostructural and Nanomechanical Features of Regenerated Cellulose Ultrafiltration Membranes

2015· article· en· W2041946970 sur OpenAlexvenueno aff
Luciano Paulino Silva

Notice bibliographique

RevueJournal of Membrane and Separation Technology · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueNanopore and Nanochannel Transport Studies
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésMembraneUltrafiltration (renal)Nanoscopic scaleCelluloseAtomic force microscopyNanotechnologyForce spectroscopyMaterials scienceChemical engineeringRaman spectroscopyResolution (logic)ChemistryChromatographyComputer scienceOpticsEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Ultrafiltration (UF) membranes have been widely used for many separation processes in which high performance is required. Commercial regenerated cellulose UF membranes with variable molecular weight cut-offs were characterized by high performance atomic force microscopy (AFM) using the novel quantitative nanomechanical mapping mode and the versatility of its signal channels towards nanoscale features elucidation of the materials surface. In addition, Raman spectroscopy was applied in order to investigate some possible chemical behavior changes associated with the UF membranes’ cut-offs. Overall, the results showed that the proposed AFM method was reliable to gain qualitative and quantitative data at unprecedented nanoscale resolution and such information can be used to distinguish UF membranes according to their specific molecular weight cut-offs and properties even on situations in which the molecular behavior were not influenced by the UF membrane’ cut-off. This approach can be useful on quality control procedures of researchers and manufacturers producing or modifying these polymeric materials.

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 enseignants0,009
Score d'incertitude au seuil0,296

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 Opus0,014
Tête enseignante GPT0,234
Écart entre enseignants0,220 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Membrane and Separation TechnologyMême sujetNanopore and Nanochannel Transport StudiesTravaux en français237 207