MétaCan
Menu
Retour à la cohorte
Enregistrement W4410089357 · doi:10.1002/admi.202401018

Investigating the Mechanism of Ion Concentration Polarization Within Nanofluidic Hydrogel Membranes: Experiment and Simulation

2025· article· en· W4410089357 sur OpenAlexfundno aff
Hiba Aljayyousi, Jongmin Kim, Serdal Kırmızıaltın, Yong‐Ak Song

Notice bibliographique

RevueAdvanced Materials Interfaces · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueNanopore and Nanochannel Transport Studies
Établissements canadiensnon disponible
Organismes subventionnairesResearch Institute Centers, New York University Abu DhabiYork UniversityNew York University Abu Dhabi
Mots-clésChemical physicsMaterials scienceMembraneElectrokinetic phenomenaIonElectric fieldIonic bondingMolecular dynamicsConcentration polarizationNanotechnologyNanofluidicsPolarization (electrochemistry)Hydrostatic pressureChemistryComputational chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Ion concentration polarization (ICP) is an electrokinetic phenomenon observed near ion‐selective membranes in micro‐nanofluidic systems, affecting ion transport and localization. This process is essential for biosensing, desalination, energy storage, and electrochemical devices. This study combines experimental techniques and all‐atom molecular dynamics (MD) simulations to investigate the mechanisms underlying ICP. Electrostatic potential profiles across the nanochannel are analyzed, examining the effects of ionic strength, electric field strength, and membrane surface charge density on RNA localization and ion trapping. Simulations revealed a strong dependence of RNA localization on ionic strength. Cations localized by the electric field induced ion correlations, amplified by hydrostatic pressure gradients that led to vortex formation and biomolecule localization. Intermediate ionic strengths most effectively induced ICP. This study provides atomic‐level insights into ICP mechanisms, advancing understanding of this phenomenon and guiding the design of next‐generation ion‐selective membranes.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,401

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 GPT0,242
Écart entre enseignants0,233 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials InterfacesMême sujetNanopore and Nanochannel Transport StudiesTravaux en français237 207