Colloidal Silicalite Coating for Improving Ionic Liquid Membrane Loading on Macroporous Ceramic Substrate for Gas Separation
Notice bibliographique
Résumé
A thin layer of colloidal silicalite was coated on a macroporous alumina substrate to improve the effectiveness in loading and supporting ionic liquid (IL) membrane on macroporous ceramic substrate. The [bmim][BF4] IL and CO2 gas separation were used as the model system in this research. The colloidal silicalite top layer enabled the formation of a pinhole-free IL membrane with significantly reduced load of IL as compared to the bare alumina substrate because the former had a smaller and more uniform inter-particle pore size than the latter. The supported IL membrane was extensively studied for CO2 separation in conditions relevant to coal combustion flue gases. The silicalite-supported IL membrane achieved a CO2/N2 permselectivity of ~24 with CO2 permeance of ~1.0×10-8 mol/m2·s·Pa in dry conditions at 26˚C and reached a CO2/N2 separation factor of ~18 with CO2 permeance of ~1.56×10-8 mol/m2·s·Pa for a feed mixture containing ~11% CO2 and ~9% water vapor at 50oC. This supported IL membrane exhibited excellent stability under a 5-bar transmembrane pressure at 103˚C and chemical resistance to H2O, SO2, and air (O2). Results of this study also indicated that, in order to fully realize the advantages of using the colloidal silicalite support for IL membranes, it is necessary to develop macroporous ceramic supports with optimized pore size distribution so that the IL film can be retained in the micron-thin silicalite layer without penetrating into the base substrate.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».