MétaCan
Menu
Retour à la cohorte
Enregistrement W4401831377 · doi:10.35534/ces.2024.10015

Mixed Matrix Membranes Produced from a Fluorinated MOF and Pebax for CO2/H2 Separation

2024· article· en· W4401831377 sur OpenAlexaff
Denis Rodrigue

Notice bibliographique

RevueClean energy and sustainability · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMembrane Separation and Gas Transport
Établissements canadiensUniversité Laval
Organismes subventionnairesKing Abdullah University of Science and Technology
Mots-clésGas separationMembraneMatrix (chemical analysis)Chemical engineeringMaterials sciencePolymer chemistryChemistryComposite materialEngineeringBiochemistry

Résumé

récupéré en direct d'OpenAlex

Hydrogen (H2) emerges as a promising clean energy source, but its efficient purification from various sources needs advanced separation technologies. This study explores the use of CO2-selective membranes, especially mixed matrix membranes (MMM) incorporating KAUST-7 metal-organic framework (MOF), for hydrogen purification. The MMM was fabricated with various KAUST-7 content in a polymer matrix (Pebax 1657) and characterized via Fourier transform infrared spectroscopy (FTIR), scanning electron microscopy (SEM), thermogravimetric analysis (TGA), X-ray diffraction (XRD), and gas permeation tests. The XRD analysis confirms the incorporation of KAUST-7 into the MMM, while SEM reveals a homogeneous particle distribution at low content (below 10%) but agglomeration at higher ones (above 10%). FTIR confirms good interfacial interactions between the MOF and polymer matrix. TGA results show that the MMM thermal stability slightly decreases with increasing MOF content. Gas permeation results reveal improved CO2 permeability (79%) and CO2/H2 selectivity (19%) for MMM compared to neat Pebax membranes, with an optimal performance observed at 10 wt.% KAUST-7. Beyond this threshold, the performance deteriorates, possibly due to polymer rigidity and MOF agglomeration. Overall, the study highlights the potential of KAUST-7/Pebax MMM for enhanced hydrogen purification.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,456
Score d'incertitude au seuil0,668

Scores Codex et Gemma par catégorie

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 Opus0,010
Tête enseignante GPT0,255
Écart entre enseignants0,245 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClean energy and sustainabilityMême sujetMembrane Separation and Gas TransportTravaux en français237 207