MétaCan
Menu
Retour à la cohorte
Enregistrement W2922086394 · doi:10.1002/admt.201800384

Direct Micropatterning of Phase Separation Membranes Using Hydrogel Soft Lithography

2019· article· en· W2922086394 sur OpenAlexafffund
Asad Asad, Mohtada Sadrzadeh, Dan Sameoto

Notice bibliographique

RevueAdvanced Materials Technologies · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensNational Institute for NanotechnologyUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNatural Resources CanadaSuncor Energy IncorporatedConocoPhillips
Mots-clésMembraneMaterials scienceMicropatterningMicroscale chemistryChemical engineeringPermeationPhase (matter)ChromatographyNanotechnologyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In this work a novel method is presented to directly apply microscale patterns on the membrane surface using hydrogel facilitated phase separation (HFPS). The hydrogel mold initiates phase separation spontaneously when it contacts the polymer solution and this guarantees that location of the dense skin layer is on the patterned side. In this fashion, the active surface area of a membrane is larger than the equivalent flat surface and subsequently enhances water flux without changing the membrane surface chemistry. The morphological properties of the HFPS membranes show similarity to the nonsolvent induced phase separation ones; however, a pore enlarging is noticed in the HFPS membranes due to the slow demixing rate of the solvent/nonsolvent in the phase separation process. The permeation results show that the HFPS patterned membrane doubles the pure water permeate flux when compared to the HFPS unpatterned membrane. This increase is attributed to the combined effect of enhanced surface area and a slight increase in the average pore size of the membrane. Moreover, fouling experiments with bovine serum albumin solution show a 78% increment in the flux for the patterned membrane after 100 min of operation, demonstrating the advantage of using microstructured membrane for filtration applications.

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)0,0010,001

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 Opus0,010
Tête enseignante GPT0,283
Écart entre enseignants0,273 · 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

Citations29
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials TechnologiesMême sujetMicro and Nano RoboticsTravaux en français237 207