MétaCan
Menu
Retour à la cohorte
Enregistrement W3134318717 · doi:10.1021/acs.nanolett.0c04512

Highly Conductive and Permeable Nanocomposite Ultrafiltration Membranes Using Laser-Reduced Graphene Oxide

2021· article· en· W3134318717 sur OpenAlexfundno aff
Anthony P. Straub, David S. Bergsman, Bezawit A. Getachew, Liam M. Leahy, Jatin J. Patil, Nicola Ferralis, Jeffrey C. Grossman

Notice bibliographique

RevueNano Letters · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaU.S. Department of Energy
Mots-clésMembraneGrapheneMaterials scienceUltrafiltration (renal)OxideChemical engineeringNanocompositeFiltration (mathematics)Water treatmentMethyl orangeFoulingNanotechnologyChemistryPhotocatalysisChromatographyOrganic chemistryEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Electrically conductive membranes are a promising avenue to reduce water treatment costs due to their ability to minimize the detrimental impact of fouling, to degrade contaminants, and to provide other additional benefits during filtration. Here, we demonstrate the facile and low-cost fabrication of electrically conductive membranes using laser-reduced graphene oxide (GO). In this method, GO is filtered onto a poly(ether sulfone) membrane support before being pyrolyzed via laser into a conductive film. Laser-reduced GO composite membranes are shown to be equally as permeable to water as the underlying membrane support and possess sheet resistances as low as 209 Ω/□. Application of the laser-reduced GO membranes is demonstrated through greater than 97% removal of a surrogate water contaminant, 25 μM methyl orange dye, with an 8 V applied potential. Furthermore, we show that laser-reduced GO membranes can be further tuned with the addition of p-phenylenediamine binding molecules to decrease the sheet resistance to 54 Ω/□.

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 enseignants0,005
Score d'incertitude au seuil0,514

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 Opus0,023
Tête enseignante GPT0,267
Écart entre enseignants0,244 · 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

Citations41
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetGraphene research and applicationsTravaux en français237 207