MétaCan
Menu
Retour à la cohorte
Enregistrement W2898188104 · doi:10.1002/cjce.23375

Low‐energy reverse osmosis membrane with high boron rejection by surface modification with a polysaccharide

2018· article· en· W2898188104 sur OpenAlexvenueno aff
Hiren D. Raval, Varun Sundarkumar

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReverse osmosisMembraneMethacrylic acidChemical engineeringContact angleSurface modificationMaterials sciencePermeationAttenuated total reflectionChitosanChemistryFourier transform infrared spectroscopyComposite materialPolymerPolymerizationBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The present paper aims at producing a high‐performance low‐energy reverse osmosis membrane by modifying the polyamide layer with potassium persulphate, chitosan, and methacrylic acid and sodium hypochlorite treatment. A supramolecular assembly of chitosan was made on the polyamide layer with methacrylic acid to increase the permeate flux. The concentrations of chitosan and methacrylic acid were varied to investigate the best combination of treatment to achieve superior performance. The membrane treated with 1000 mg/L chitosan and 4 % methacrylic acid showed permeate water‐flux 3.2 times that of virgin TFC RO membrane with a ∼2 % decline in salt rejection and a boron rejection of 97.45 % at pH 10. This membrane demonstrated energy saving of 68.78 % as compared to virgin thin film composite reverse osmosis membrane. Membranes were tested for hydrophilicity by contact angle analysis, surface charge by zeta potential analysis, morphology evaluation by scanning electron microscope, surface features by atomic force microscope, and chemical structural changes by attenuated total reflectance infrared spectroscopy. Significant enhancement in membrane performance was observed by surface modification to achieve ultra‐low energy reverse osmosis process development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,032
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,173
Écart entre enseignants0,167 · 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 tête enseignante, 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

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMembrane Separation TechnologiesTravaux en français237 207