MétaCan
Menu
Retour à la cohorte
Enregistrement W2940598562 · doi:10.1002/pat.4626

Cellulose acetate nanocomposite ultrafiltration membranes tailored with hydrous manganese dioxide nanoparticles for water treatment applications

2019· article· en· W2940598562 sur OpenAlexaff
S. Vetrivel, Dipak Rana, Meenakshi Sundaram Sri Abirami Saraswathi, Kumar Divya, Noel Jacob Kaleekkal, A. Nagendran

Notice bibliographique

RevuePolymers for Advanced Technologies · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMembraneUltrafiltration (renal)NanocompositeCellulose acetateMaterials scienceChemical engineeringPermeationContact angleNanoparticleCelluloseFoulingManganeseRegenerated celluloseNuclear chemistryChromatographyChemistryNanotechnologyComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

Hydrous manganese dioxide (HMO) nanoparticles incorporated cellulose acetate (CA) composite ultrafiltration (UF) membranes are prepared with the aim of improving the water permeation and BSA contaminant removal. The HMO nanoparticles are synthesized from manganese ion and characterized by FT‐IR, XRD, and FESEM. The effect of variation of HMO on CA membranes is probed using FT‐IR, EDAX, contact angle, SEM, and AFM analysis to demonstrate their chemical functionality, hydrophilicity, and morphology. CA/HMO membranes are showing the enhancement in pure water flux (PWF), water uptake, porosity, hydrophilicity, fouling resistance, BSA rejection, and flux recovery ratio (FRR). CA‐1 membrane displayed higher PWF (143.6 Lm2h−1), BSA rejection (95.9%), irreversible fouling (93.3%), and FRR (93.3%). Overall results confirmed that the CA/HMO nanocomposite UF membranes overcome the bottlenecks and shows potential for water treatment 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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,225
Écart entre enseignants0,218 · 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

Citations40
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymers for Advanced TechnologiesMême sujetMembrane Separation TechnologiesTravaux en français237 207