MétaCan
Menu
Retour à la cohorte
Enregistrement W2947463127 · doi:10.1021/acs.energyfuels.9b00718

Functionalized Tetrapodal ZnO Membranes Exhibiting Superoleophobic and Superhydrophilic Character for Water/Oil Separation Based on Differential Wettability

2019· article· en· W2947463127 sur OpenAlexafffund
Aayushi Bajpayee, Theodore E. G. Alivio, P. F. McKay, Sarbajit Banerjee

Notice bibliographique

RevueEnergy & Fuels · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensCenovus Energy (Canada)
Organismes subventionnairesCenovus Energy
Mots-clésSuperhydrophilicityWettingMembraneMaterials scienceChemical engineeringNanotechnologyChemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Achieving the efficacious and rapid separation of mixed water/oil streams has emerged as a fundamental imperative in order to facilitate extraction of fossil fuels by methods such as cyclic steam stimulation as well as to mitigate the potentially calamitous impact of oil spills in natural aquatic environments. Here, we demonstrate functionalized ZnO nanotetrapodal membranes combining the micrometer-scale texturation of underlying stainless steel meshes with the nanoscale texturation of an enmeshed interconnected porous network of ZnO tetrapods, the conformal adhesion afforded by an amorphous silica layer, and the low surface energy of surface-deposited perfluorinated sulfonate layers. The membranes exhibit pronounced differential wettability and selectively permeate water whilst retaining oil. The multivariate design space of the architectures has been evaluated to determine the mesh size and ZnO loading that yield the highest separation efficiencies. Oil content in recovered water is reduced to <300 ppm while maintaining a flux rate of greater than 325 L/(m2·h). The functioning of the membranes can be understood in terms of the creation of differential Cassie–Baxter nonwetting and Wenzel wetting regimes for oil and water, respectively.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,019
Score d'incertitude au seuil0,996

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)0,0050,000

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 Opus0,014
Tête enseignante GPT0,236
Écart entre enseignants0,222 · 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.

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

Citations26
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207