Separation of n-Butanol from Aqueous Solutions via Pervaporation Using PDMS/ZIF-8 Mixed-Matrix Membranes of Different Particle Sizes
Notice bibliographique
Résumé
The use of mixed matrix membranes (MMMs) to facilitate the production of biofuels has attracted significant research interest in the field of renewable energy. In this study, the pervaporation separation of butanol from aqueous solutions was studied using a series of MMMs, including zeolitic imidazolate frameworks (ZIF-8)-polydimethylsiloxane (PDMS) and zinc oxide-PDMS mixed matrix membranes. Although several studies have reported that mixed matrix membranes incorporating ZIF-8 nanoparticles showed improved pervaporation performances attributed to their intrinsic microporosity and high specific surface area, an in-depth study on the role of ZIF-8 nanoparticle size in MMMs has not yet been reported. In this study, different average sizes of ZIF-8 nanoparticles (30, 65, and 80 nm) were synthesized, and the effects of particle size and particle loading content on the performance of butanol separation using MMMs were investigated. Furthermore, zinc oxide nanoparticles, as non-porous fillers with the same metalcore as ZIF-8 but with a very different geometric shape, were used to illustrate the importance of the particle geometry on the membrane performance. Results showed that small-sized ZIF-8 nanoparticles have better permeability and selectivity than medium and large-size ZIF-8 MMMs. While the permeation flux increased continuously with an increase in the loading of nanoparticles, the selectivity reached a maximum for MMM with 8 wt% smaller-size ZIF-8 nanoparticle loading. The flux and butanol selectivity increased by 350% and 6%, respectively, in comparison to those of neat PDMS membranes prepared in this study.
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 | 0,001 |
| 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 ».