MétaCan
Menu
Retour à la cohorte
Enregistrement W2049206879 · doi:10.1080/09593330.2013.822007

Membranes for bioelectrochemical systems: challenges and research advances

2013· review· en· W2049206879 sur OpenAlexafffund
Bipro Ranjan Dhar, Hyung‐Sool Lee

Notice bibliographique

RevueEnvironmental Technology · 2013
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Fuel Cells and Bioremediation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistero dello Sviluppo Economico
Mots-clésBiohydrogenMicrobial fuel cellBioenergyRenewable energyWaste managementEnergy sourceFossil fuelHydrogen productionEnvironmental scienceBiofuelBiochemical engineeringChemistryAnodeEngineeringHydrogen

Résumé

récupéré en direct d'OpenAlex

Increasing energy demand has been a big challenge for current society, as the fossil fuel sources are gradually decreasing. Hence, development of renewable and sustainable energy sources for the future is considered one of the top priorities in national strategic plans. Bioenergy can meet future energy requirements - renewability, sustainability, and even carbon-neutrality. Bioenergy production from wastes and wastewaters is especially attractive because of dual benefits of energy generation and contaminant stabilization. There are several bioenergy technologies using wastes and wastewaters as electron donor, which include anaerobic digestion, dark biohydrogen fermentation, biohydrogen production using photosynthetic microorganisms, and bioelectrochemical systems (BESs). Among them BES seems to be very promising as we can produce a variety of value-added products from wastes and wastewaters, such as electric power, hydrogen gas, hydrogen peroxide, acetate, ethanol etc. Most ofthe traditional BES uses a membrane to separate the anode and cathode chamber, which is essential for improving microbial metabolism on the anode and the recovery of value-added products on the cathode. Performance of BES lacking a membrane can be seriously deteriorated, due to oxygen diffusion or substantial loss of synthesized products. For this reason, usage of a membrane seems essential to facilitate BES performance. However, a membrane can bring several technical challenges to BES application compared to membrane-less BES. These challenges include poor proton permeability, substrate loss, oxygen back diffusion, pH gradient, internal resistance, biofouling, etc. This paper aims to review the major technical barriers associated with membranes and future research directions for their application in BESs.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,007
Science ouverte0,0010,001
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,055
Tête enseignante GPT0,321
Écart entre enseignants0,266 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations84
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental TechnologyMême sujetMicrobial Fuel Cells and BioremediationTravaux en français237 207