Evaluation of Heavy Metal Removal in Forward Osmosis Process Using Functionalized HNTs-Based TFN NF Membranes
Notice bibliographique
Résumé
Novel TFN membranes were examined for the removal of heavy metals (Cu and Pb) from synthetic wastewater in forward osmosis (FO) experiments using MgCl2 as a draw solute. The TFN membranes were fabricated on top of a commercial PS35 ultrafiltration membrane by in-situ interfacial polymerization of piperazine (PIP) and 1,3,5-benzenetricarbonyl trichloride (TMC) containing different amounts of dispersed functionalized halloysite nanotubes (HNTs) nanoparticles. The HNTs nanoparticles were functionalized with the first generation of poly(amidoamine) (PAMAM) dendrimers. The TFN and the control TFC membranes showed rejections of Cu2+ and Pb2+, ranging from 94.5% to 98.1%. The presence of heavy metal in the feed solution enhanced the FO performance of all membranes. In particular, the reverse flux of MgCl2 decreased at least 2.5 times compared to the experiments with pure water as a feed. Simultaneously, the water flux also increased. The improved FO performance of the membranes in the presence of heavy metal ions is attributed to their adsorption by the membranes. The adsorption of heavy metals was confirmed by a decrease in the negativity of zeta potential and the results from inductively coupled plasma mass spectrometry (ICP-MS) of the membranes after the FO experiments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».