Quantitative Assessment of Molecular Transport through Sub-3 nm Silica Nanochannels by Scanning Electrochemical Microscopy
Notice bibliographique
Résumé
Scanning electrochemical microscopy (SECM) has been proved to be a powerful technique to study molecular transport across ionic channels in biomembranes and artificial nanoporous membranes. In this work SECM was used to study the dynamics of molecular transport across the ultrathin silica nanoporous membrane consisting of sub-3 nm diameter perpendicular channels. We focused on the quantitative assessment of permselectivity and permeability of the membrane and the effect of radial electrical double layer (EDL) on them. By SECM imaging, it was phenomenologically observed that the membrane with negatively charged surface exhibited permselectivity to anionic molecule, for instance hexacyanoruthenate(II) (Ru(CN) 6 4– ). And the permselective transport of Ru(CN) 6 4– was obviously more favored at a higher concentration of KCl. Precise membrane permeability to Ru(CN) 6 4– was quantitatively determined by overlapping experimental SECM approach curves with the ones generated by finite element simulations. The high permeability up to 35 μm s –1 was ascribed to the straight channel structure and ultrahigh channel density of 4 × 10 12 cm –2 . Moreover, the permeability was varied from 35 μm s –1 to 2.5 μm s –1 when decreasing the concentration of KCl from 1.0 to 0.01 M, corroborating the electrostatic origin of membrane permselectivity. On the other hand, the simulated concentration profiles at both sides of the membrane suggested that the molecular transport across the membrane was mainly driven by the large transmembrane concentration gradient while the tip-induced transport was relatively negligible. These results help to quantitatively understand the molecular transport selectivity and dynamics across nanoporous membranes and to rationally design artificial molecular sieving membranes.
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) | 0,000 | 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) | 0,001 | 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 ».