Mass transport limitations in high-performance water-vapor selective membranes: A multiphysics simulation approach
Notice bibliographique
Résumé
• Cell geometry and flow reduce membrane performance by ∼20% compared to intrinsic values. • Boundary layer growth impacts membrane performance evaluation. • Test cells show hotspots and dead zones, limiting active membrane area performance. • Scaling membrane lengths from 1 mm to 40 mm reduces performance by 10–50%. The pursuit of high-performance, water–vapor selective membranes remain a focal point, as membranes often emerge as energy-efficient alternatives for psychrometric processes. Recent literature results on membranes fabricated from specialized polymers, 2D materials, and metal–organic frameworks (MOFs) as selective layers, have demonstrated unprecedented water vapour permeance and selectivity. However, few studies have examined how such high intrinsic permeances interplay with transport limitations governing the overall membrane performance in common test-cell geometries. This study aims to assess the theoretical limits of diffusion-based membranes by studying the impact of various transport resistances on the overall system permeance. Multiphysics simulations are used to model both fluid dynamics and mass transport within a simplistic geometry versus a commercially available sweep cell. A non-uniform flux pattern emerges, highlighting the substantial impact of non-uniform flow fields and fluid boundary layers, which were previously deemed inconsequential in gas separations. This leads to the underutilization of the membrane, yet unexpectedly increases the overall process permeance by approximately 20% when compared to a simple planar geometry. As researchers engineer better selective layers, future advancements could push this difference as high as 36%. By utilizing dimensionless groups and fitting parameters (0.76 Re 0.438 Sc 0.33 ), the true membrane permeance can be extracted from the test configuration within a 5% margin of error. This approach is essential for assessing permeances, scaling membranes, and enabling accurate comparisons.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».