Dual-layered ultrafiltration membrane with MgO nanoparticles via co-casting technique for arsenate removal
Notice bibliographique
Résumé
Conventional membrane technologies for arsenic removal often struggle with inefficiencies due to arsenic neutrality, high-pressure needs, low water flux, limited contact area, and scaling issues. To address these challenges, we introduce a novel dual-layered flat sheet adsorptive membrane via a co-casting technique, incorporating thermally activated MgO nanoparticles (MgO 650° C ) into the selective layer. This co-casting technique enables both strong adhesion and enhanced adsorption performance. The membrane with MgO 650° C : 2.0 ratio exhibited excellent performance, combining an arsenate adsorption capacity (184.56 mg/g), efficient water permeability (167.39 L/m 2 .h.bar), and rejection efficiency of over 99 %. The adsorption behavior followed a pseudo-second-order kinetic model, implying that chemisorption is the dominant mechanism. The application of four adsorption isotherm models with kinetic analysis provides a comprehensive understanding of the adsorption mechanism. This is further supported by EDX elemental mapping, which confirmed the formation of As–O–Mg complexes on the membrane surface. Additionally, the membrane can be easily regenerated using a 0.1 M NaOH solution coupled with the ability to maintain performance over multiple cycles, underscoring its reusability. This work presents a scalable, regenerable, and highly adsorptive membrane platform, establishing a new benchmark for arsenic removal efficiency in membrane-based water treatment systems.
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 | 0,000 |
| 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 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 ».