MétaCan
Menu
Retour à la cohorte
Enregistrement W2964730513 · doi:10.22079/jmsr.2019.105375.1255

The Advances of Electrospun Nanofibers in Membrane Technology

2020· article· en· W2964730513 sur OpenAlexaff
K.C. Khulbe, Takeshi Matsuura

Notice bibliographique

RevueJournal of membrane science and research · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésNanofiberElectrospinningMembraneNanotechnologySurface modificationInterconnectivityMaterials scienceFabricationMicrometerChemical engineeringPolymerChemistryComposite materialComputer science

Résumé

récupéré en direct d'OpenAlex

Electrospinning is a simple and versatile technique that relies on the electrostatic repulsion between surface charges to continuously draw nanofibers from a viscoelastic fluid. Electrospinning can generate nanofibers with a number of secondary structures. Surface and/or interior of nanofibers can be functionalized with molecular species or nanoparticles during or after an electrospinning process to obtain desirable results. In a short period, elecrospun nanofiber membranes (ENMs) have gained popularity due to the facile fabrication, interconnectivity and large area/volume ratio. However, ENMs’ pore sizes are intrinsically very large fractions of micrometer to few macrometer, which makes modification of surface chemistry and especially reduction of the ENM pore size indispensable for wider applications of ENMs for membrane separation processes. The modification of nanofibers has been applied widely to give them improved properties. This review paper will provide the progress have recently made on the modification of ENMs to enhance their performance in various membrane separation processes.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,022
Tête enseignante GPT0,347
Écart entre enseignants0,325 · 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of membrane science and researchMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207