MétaCan
Menu
Retour à la cohorte
Enregistrement W2992202617

Production, Characterization and Application of Monolithic Biocarbon for Water Desalination

2019· dissertation· en· W2992202617 sur OpenAlexfundno aff
Mina Mahdian

Notice bibliographique

RevueTSpace · 2019
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésDesalinationCharacterization (materials science)Environmental scienceWater desalinationEngineeringMaterials scienceNanotechnologyChemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Desalination is a process of removing salts from saline solutions to produce fresh water. Currently, the challenges of desalination technology are high energy consumption and material cost. This project suggests sustainable and affordable ways to purify water via evaporation process under sunlight or capacitive deionization using monolithic biocarbon. Biocarbon was produced from woody biomass during 60 hours of slow pyrolysis. After pyrolysis, the macrostructure of wood is preserved in the produced biocarbon. The morphology, chemical composition, permeability and electro capacitance of biocarbon was measured. The effect of biocarbon amount, biocarbon particle size range, light intensity, light distance, salt concentration, and wood orientation on evaporation rate was studied. The use of monolithic biocarbon increased the evaporation rate 8 times higher from saltwater. The permeability of biocarbon and evaporation rate in axial and radial orientation was significantly different. The measured capacitance of biocarbon was 113 F/g in 1 M NH_4Cl solution.

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 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 enseignants0,015
Score d'incertitude au seuil0,496

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,280
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 tête enseignante, 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetMembrane Separation TechnologiesTravaux en français237 207