Characterization of Electrospun PAN Polymer Nanocomposite Membranes for CO2/N2 Separation
Notice bibliographique
Résumé
The focus of this study was to enhance the CO2 capture capabilities of polyacrylonitrile (PAN) nanocomposite membranes by reinforcing them with multi-walled carbon nanotubes (MWCNT) and silica (SiO2). These nanocomposite membranes were created using electrospinning technology, which produced nonwoven nanofiber membranes. The nanoparticles were functionalized using Gum Arabic (GA) to improve the distribution and prevent agglomeration. Fourier transform infrared (FTIR) and scanning electron microscopy (SEM) analysis were conducted to examine the functionalization of nanoparticles and their morphological structures. The membranes were experimentally characterized to obtain the CO2 absorption properties and also to evaluate CO2/N2 permeation properties compared to pure PAN membranes. The results showed that higher nanoparticle concentrations increased CO2 permeability while maintaining stable N2 permeability, ensuring favorable CO2/N2 selectivity ratios. The 4 wt.% MWCNTs nanocomposite membrane achieved the best CO2/N2 separation with a CO2 permeability of 289.4 Barrer and a selectivity of 6.3, while the 7 wt.% SiO2 nanocomposite membrane reached a CO2 permeability of 325 Barrer and a selectivity of 7. These findings indicate significant improvements in CO2 permeability and selectivity for the nanocomposite membranes compared to pure PAN membranes. The Maxwell mathematical model has been used to validate the experimental results. The experimental results of the CO2 separation properties of the nanocomposite membranes exceeded the predicted values by the mathematical models. This might be due to the well-dispersed nanoparticles and functional groups.
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 | 0,001 |
| 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 ».