Production of Stable Electrically Conductive PVDF Membranes Based on Polydopamine-Polyethyleneimine—Assisted Deposition of Carbon Nanotubes
Notice bibliographique
Résumé
Electrically conductive membranes (ECMs) have emerged as a multifunctional separation technology that integrates membrane filtration with electrochemical reactions. Physical stability remains a critical challenge for ECMs synthesized by coating polymer membranes with conductive materials. In this article, polydopamine (PDA) and polyethyleneimine (PEI) were used to facilitate the synthesis of significantly more stable ECMs using poly(vinylidene fluoride) (PVDF) ultrafiltration membranes and carbon nanotubes (CNTs). Four different synthesis methods were compared in terms of the final surface stability and separation properties: (1) CNTs deposited on PEI-crosslinked PDA-coated PVDF membranes, (2) PEI-crosslinked CNTs deposited on PDA-coated PVDF, (3) PDA, PEI and CNTs sequentially deposited layer-by-layer on PVDF, and (4) PEI-crosslinked PDA deposited on CNT-coated PVDF. The results revealed that method 1 generated ECMs with the greatest physical stability, highest electrical conductivity (18,518 S/m), and sufficient permeability (395.2 L/(m2·h·bar). In comparison, method 2 resulted in membranes with the highest permeability (2128.5 L/(m2·h·bar), but with low surface conductivity (502 S/m) and poor physical stability (i.e., 53–75% lower peel-off forces compared to other methods). Overall, methods 1, 3, and 4 can be used to make highly conductive membranes with a 97–99% removal of methyl orange by electrochemical degradation at −3 V.
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 | 0,000 |
| 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 | 0,000 | 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 ».