Highly Conductive Ultrafiltration Membrane via Vacuum Filtration Assisted Layer-by-Layer Deposition of Functionalized Carbon Nanotubes
Notice bibliographique
Résumé
Conductive membranes can offer innovative solutions for membrane fouling control while maintaining enhanced filtration performance. Here, an emerging technique, vacuum filtration assisted layer-by-layer deposition of functionalized multiwalled carbon nanotubes (MWNTs), was used to prepare conductive surfaces on polysulfone (PSf) ultrafiltration membranes. PSf membranes were functionalized with oxygen-containing negatively charged functional groups through oxygen plasma treatment. MWNT-PSf membranes were prepared with 5, 10, 15, and 20 bilayers with amine- and carboxylic-functionalized MWNTs. The prepared membranes were characterized by the thickness, contact angle, and conductivity of the membranes. Scanning electron microscopy images of the membranes confirmed uniform MWNT distribution across the membrane surface. MWNT-PSf membranes exhibited slightly reduced permeability, improved selectivity, and greater conductivity with increasing number of MWNT bilayers and demonstrated almost complete inactivation of Escherichia coli at low applied DC potential (1–3 V). Furthermore, significant (around 99%) degradation of methyl orange during electrofiltration was observed, supporting an expected reduction in organic fouling of the membrane.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».