MétaCan
Menu
Retour à la cohorte
Enregistrement W2954984961 · doi:10.3390/polym11071160

A Review on Porous Polymeric Membrane Preparation. Part I: Production Techniques with Polysulfone and Poly (Vinylidene Fluoride)

2019· review· en· W2954984961 sur OpenAlexaff
Xuemei Tan, Denis Rodrigue

Notice bibliographique

RevuePolymers · 2019
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversité Laval
Organismes subventionnairesChina Scholarship Council
Mots-clésPolysulfoneMembraneMaterials scienceFabricationChemical engineeringPolymerSolventPorosityElectrospinningFluorideNanotechnologyPolymer chemistryOrganic chemistryComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

Porous polymeric membranes have emerged as the core technology in the field of separation. But some challenges remain for several methods used for membrane fabrication, suggesting the need for a critical review of the literature. We present here an overview on porous polymeric membrane preparation and characterization for two commonly used polymers: polysulfone and poly (vinylidene fluoride). Five different methods for membrane fabrication are introduced: non-solvent induced phase separation, vapor-induced phase separation, electrospinning, track etching and sintering. The key factors of each method are discussed, including the solvent and non-solvent system type and composition, the polymer solution composition and concentration, the processing parameters, and the ambient conditions. To evaluate these methods, a brief description on membrane characterization is given related to morphology and performance. One objective of this review is to present the basics for selecting an appropriate method and membrane fabrication systems with appropriate processing conditions to produce membranes with the desired morphology, performance and stability, as well as to select the best methods to determine these properties.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,029
Tête enseignante GPT0,285
Écart entre enseignants0,255 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations406
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207