MétaCan
Menu
Retour à la cohorte
Enregistrement W2965095907 · doi:10.3390/polym11081310

A Review on Porous Polymeric Membrane Preparation. Part II: Production Techniques with Polyethylene, Polydimethylsiloxane, Polypropylene, Polyimide, and Polytetrafluoroethylene

2019· review· en· W2965095907 sur OpenAlexaff
Xuemei Tan, Denis Rodrigue

Notice bibliographique

RevuePolymers · 2019
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversité Laval
Organismes subventionnairesChina Scholarship Council
Mots-clésMaterials sciencePolydimethylsiloxaneMembranePolymerPolyimidePolypropylenePolyethylenePorosityFabricationComposite materialPolyamideChemical engineeringLayer (electronics)Chemistry

Résumé

récupéré en direct d'OpenAlex

The development of porous polymeric membranes is an important area of application in separation technology. This article summarizes the development of porous polymers from the perspectives of materials and methods for membrane production. Polymers such as polyethylene, polydimethylsiloxane, polypropylene, polyimide, and polytetrafluoroethylene are reviewed due to their outstanding thermal stability, chemical resistance, mechanical strength, and low cost. Six different methods for membrane fabrication are critically reviewed, including thermally induced phase separation, melt-spinning and cold-stretching, phase separation micromolding, imprinting/soft molding, manual punching, and three-dimensional printing. Each method is described in details related to the strategy used to produce the porous polymeric membranes with a specific morphology and separation performances. The key factors associated with each method are presented, including solvent/non-solvent system type and composition, polymer solution composition and concentration, processing parameters, and ambient conditions. Current challenges are also described, leading to future development and innovation to improve these membranes in terms of materials, fabrication equipment, and possible modifications.

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 enseignants0,006
Score d'incertitude au seuil0,020

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
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,006

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 Opus0,031
Tête enseignante GPT0,301
Écart entre enseignants0,270 · 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

Citations221
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetMembrane Separation TechnologiesTravaux en français237 207