MétaCan
Menu
Retour à la cohorte
Enregistrement W4377027637 · doi:10.1002/cjce.24951

Influence of polyethyleneimine layer and zinc nitrate on morphology and structure of PES‐based membranes with highly selective properties

2023· article· en· W4377027637 sur OpenAlexvenueno aff
Arash Alimadadi, Fahime Parvizian, Samaneh Bandehali

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMembranePhase inversionContact angleNanofiltrationFourier transform infrared spectroscopyChemistryChemical engineeringFoulingScanning electron microscopePorosityMembrane structureAnalytical Chemistry (journal)Materials scienceChromatographyOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, nanofiltration (NF) polymer membranes based on polyestersulphone (PES) were prepared by the phase inversion method. Polyethyleneimine (PEI) and zinc nitrate (Zn(NO3)2) as a surface modifier and glutealdehyde (GA) as cross‐linker was used. Fourier transform infrared spectroscopy analysis (FTIR) was used to confirm the chemical composition on the membrane surface. Membranes were also characterized using field emission scanning electron microscopy (FESEM) and 3D surface images. Water contact angle, average pore size and porosity measurements, water flux, salt rejection, and membrane anti‐fouling ability were discussed. Modified membranes showed a smoother surface than the original membrane. The amount of pure water flux decreased with increasing the concentration of modifiers at the surface, but the yield of Na2SO4 salt increased, 53% in virgin membrane and 83% in M3 membrane. Modified membranes had better anti‐fouling and hydrophilicity properties than primary membranes. The lowest contact angle value was 26.2° for M4. Also, the best anti‐clogging comparable properties were for the M3 membrane with FRR = 63.37%, Rr = 10.69%, Rir = 36.6%, and Rt = 47.3%. By increasing the concentration of modifiers, the removal of CuNO3− and CuSO4 improved that the M1 membrane (97.59%) had the highest Cu(NO3)2 separation and the M4 membrane (87.5%) had the most increased CuSO4 separation.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,008
Tête enseignante GPT0,182
Écart entre enseignants0,174 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMembrane Separation TechnologiesTravaux en français237 207