MétaCan
Menu
Retour à la cohorte
Enregistrement W4414553623 · doi:10.1021/acsomega.5c05592

Dual-Nozzle Electrospinning for Janus Membranes in Membrane Distillation of Highly Saline and Oil-Contaminated Waters

2025· article· en· W4414553623 sur OpenAlexaff
Michaela Olisha S. Lobregas, Ratthapol Rangkupan, Hsiu‐Po Kuo, Yuming Tu, Chalida Klaysom

Notice bibliographique

RevueACS Omega · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesChulalongkorn University
Mots-clésMembraneMembrane distillationElectrospinningJanusPorosityFoulingLayer (electronics)PermeationSuperhydrophilicity

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Electrospun nanofibrous membranes are highly valued for membrane distillation (MD) due to their inherent porosity and tunable structure. This study introduces a novel dual-nozzle electrospinning method to fabricate a multilayered Janus membrane, combining an omniphobic layer of PVDF fibers and fluorinated TiO 2 -PVDF microclusters with a hydrophilic layer of hydrolyzed PMA fibers. The resulting membrane demonstrated exceptional performance and durability. In a 21 h MD operation against oily saline solutions, it retained 80% of its initial flux while producing high-purity water (conductivity <5 μS/cm). Notably, the membrane exhibited complete underwater oil repellence, preventing fouling from oil droplet adhesion. Furthermore, in a 7 h test with highly saline feed, the membrane maintained 99% of its initial flux and permeate conductivity below 60 μS/cm. The success of the membrane is attributed to the dual-nozzle setup, which provides both improved processing efficiency and strong interlayer adhesion, enhancing structural integrity during prolonged MD operations and cleaning cycles. This work presents a robust and scalable method for fabricating high-performance Janus membranes, offering a significant advancement for treating challenging, oil-contaminated water via membrane distillation.

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 enseignants0,022
Score d'incertitude au seuil0,466

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 Opus0,007
Tête enseignante GPT0,243
Écart entre enseignants0,236 · 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS OmegaMême sujetMembrane Separation TechnologiesTravaux en français237 207