MétaCan
Menu
Retour à la cohorte
Enregistrement W2888631035 · doi:10.1063/1.5025359

Impact of bacterial streamers on biofouling of microfluidic filtration systems

2018· article· en· W2888631035 sur OpenAlexafffund
Ishita Biswas, Mohtada Sadrzadeh, Aloke Kumar

Notice bibliographique

RevueBiomicrofluidics · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Institutes of Health
Mots-clésCloggingFiltration (mathematics)BiofoulingMicrofluidicsPermeationFoulingMembraneMaterials scienceMembrane foulingChemical engineeringEnvironmental engineeringNanotechnologyEnvironmental scienceChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

We investigate the effect of biofouling in a microfluidic filtration system. The microfluidic platform consists of cylindrical microposts with a pore-spacing of 2 μm, which act as the filtration section of the device. One of our key findings is that there exists a critical pressure difference above which pronounced streamer formation is observed, which eventually leads to rapid clogging of the device with an accompanying exponential decrease in permeate flow. Moreover, when streamers do form, de-clogging of pores also occurs intermittently, which leads to small time scale fluctuations [O(101 s)] superimposed upon the large time scale [O(102 min)] clogging of the system. These de-clogging phenomena lead to a sharp increase in water permeation through the microfluidic filtration device but rates the water quality as biomass debris is transported in the permeate. Streamer-based clogging shares similarities with various fouling mechanisms typically associated with membranes. Finally, we also show that the pH of the feed strongly affects biofouling of the microfluidic filtration system.

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)0,001
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,019
Tête enseignante GPT0,274
Écart entre enseignants0,255 · 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

Citations16
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomicrofluidicsMême sujetMembrane Separation TechnologiesTravaux en français237 207