MétaCan
Menu
Retour à la cohorte
Enregistrement W2769540060 · doi:10.1002/app.45993

Roll‐to‐roll nanoimprint lithography of ultrafiltration membrane

2017· article· en· W2769540060 sur OpenAlexfundno aff
Jacob Hutfles, Wesley W. Chapman, John Pellegrino

Notice bibliographique

RevueJournal of Applied Polymer Science · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofabrication and Lithography Techniques
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster UniversityNational Science Foundation
Mots-clésPermeancePolyetherimideMembraneMaterials scienceUltrafiltration (renal)Nanoimprint lithographyFiltration (mathematics)Chemical engineeringComposite materialPorosityNanotechnologyChromatographyPolymerPermeationChemistryFabrication

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Nanoimprinting of a commercial, as supplied, polyethersulfone ultrafiltration membrane has been carried out for the first time using a roll‐to‐roll (R2R) process. To support this processing approach, we also developed a reusable flexible polyetherimide mold. We were able to pattern membrane at room temperature (∼21 °C) due to the high pressures (22 MPa) applied during the low contact times (<2 s) inherent to R2R imprinting. N2 permeance (L m−2 h−1 bar−1) testing was used as an indicator to verify retention of membrane porosity and to guide selection of imprinting parameters during initial screening studies. Further measurements showed the N2 and (scaled) deionized water permeances to have a 0.97 correlation coefficient. We scaled up the size of patterned membranes to as large as 226 cm2 area, thereby demonstrating the plausibility of continuously patterning commercial ultrafiltration membranes. We also investigated pattern stability versus aqueous heat treatment and found that time, temperature, and imparted strain (during patterning) may all influence stability, but no evidence of pattern loss was observed in electron micrographs after our filtration experiments. © 2017 Wiley Periodicals, Inc. J. Appl. Polym. Sci. 2018, 135, 45993.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,241
Écart entre enseignants0,234 · 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'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

Citations34
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Polymer ScienceMême sujetNanofabrication and Lithography TechniquesTravaux en français237 207