Water permeation through single sub-micron pores in single layer graphene measured by a micro-particle image velocimetry technique
Notice bibliographique
Résumé
Graphene holds potential as a high permeance membrane material for separation applications owing to its single atom thickness. Transport rates through graphene pores ultimately determine membrane performance and are an area of focus of design efforts. In this regard, single pore flow rate measurements are desirable because they are not influenced by material defects present in large-area samples and are unaffected by modeling assumptions used in simulations. However, measuring liquid flow rates through single graphene pores is challenging. In this paper, we establish a micro-particle image velocimetry technique to measure flow rates through single pores or small permeable areas by comparing the velocity decay rate downstream of the pore to analytical predictions for the flow field. The method is validated on silicon nitride micropores by comparison with microfluidic sensor measurements and then applied to measure water permeation rates through single sub-micron graphene pores, below the detection limit of the sensor. A 200 nm diameter pore is measured to have a pore permeation coefficient of 1.5×10−19 m3 s−1 Pa−1, and 500 nm pores are measured to have pore permeation coefficients of 7.0×10−19 and 14×10−19 m3 s−1 Pa−1. These values are less than half those predicted by continuum theory, but of the same order of magnitude. The results provide measured permeances of experimentally realized flows through single sub-micron graphene pores and a reliable technique for measuring the liquid permeance of micrometer-scale membrane areas.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».