MétaCan
Menu
Retour à la cohorte
Enregistrement W4205356244 · doi:10.3390/membranes12020104

Ti-40Al-10Nb-10Cr Porous Microfiltration Membrane with Hierarchical Pore Structure for Particulate Matter Capturing from High-Temperature Flue Gas

2022· article· en· W4205356244 sur OpenAlexaff
Wanyuan Gui, Zhenjing Shi, Yin Zhang, Yongfeng Liang, Jingyan Qin, Yanli Wang, Junpin Lin, Benli Luan

Notice bibliographique

RevueMembranes · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensWestern University
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésFlue gasMaterials scienceMicrofiltrationPorosityFiltration (mathematics)Chemical engineeringAlloyParticulatesMembraneMetallurgyComposite materialWaste managementChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

TiAl-based porous microfiltration membranes are expected to be the next-generation filtration materials for potential applications in high-temperature flue gas separation in corrosive environments. Unfortunately, the insufficient high-temperature oxidation resistance severely limits their industrial applications. To tackle this issue, a Ti-40Al-10Nb-10Cr porous alloy was fabricated for highly effective high-temperature flue gas purification. Benefited from microstructural changes and the formation of two new phases, the Ti-40Al-10Nb-10Cr porous alloy demonstrated favorable high-temperature anti-oxidation performance with the incorporation of Nb and Cr high-temperature alloying elements. By the separation of a simulated high-temperature flue gas, we achieved an ultra-high PM-removal efficiency (62.242% for PM<2.5 and 98.563% for PM>2.5). These features, combined with our experimental design strategy, provide a new insight into designing high-temperature TiAl-based porous materials with enhanced performance and durability.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,006
Tête enseignante GPT0,208
Écart entre enseignants0,202 · 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.

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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMembranesMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207