Graphene Oxide Membranes for Isotopic Water Mixture Filtration: Preparation, Physicochemical Characterization, and Performance Assessment
Notice bibliographique
Résumé
There is an increasing demand for nuclear reactors, driven by the global need for low CO2 producing energy sources. The use of light (H2O) or heavy water (D2O) in a nuclear reactor environment produces radioactive tritiated heavy (HTO, DTO) water as an inevitable contaminant. Considering the need for tritiated water removal and also the high commercial value of purified water isotopes, technologies that can efficiently separate isotopic mixtures of water in nuclear reactors are highly desirable. This study presents an experimental approach for producing graphene oxide (GO) membranes and assessing their performance in the filtration of isotopic water mixtures. Specifically, using D2O/H2O mixtures as model systems, we investigate the effect of physicochemical properties of GO, as well as membrane preparation conditions on membrane filtration efficiency. We find that membranes assembled using larger GO platelets of lower oxidation level generally exhibit higher deuterated water (HDO, D2O) rejection and filtrate flux. Moreover, membrane preparation conditions have a strong impact on the interlayer space between stacked GO nanoplatelets in the membrane, hence as a direct effect on filtration performance. Our experimental results also show a strong, nonmonotonic dependence of separation performance on operating temperature, as well as the existence of local temperature optima. Our work provides guidelines for simple and scalable preparation of GO membranes with very good mechanical stability, capable of achieving efficient separation of isotopic water.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».