MétaCan
Menu
Retour à la cohorte
Enregistrement W4414877650 · doi:10.1002/anie.202514637

Defect‐Tolerant and Scalable Diffusio–Osmotic Power Generation with Sulfonated Covalent Organic Framework Membrane

2025· article· en· W4414877650 sur OpenAlexaff
Shangfa Pan, Qi Li, Qianqian Fu, Jing Zeng, Peng Liu, Lei Jiang, Jun Gao

Notice bibliographique

RevueAngewandte Chemie International Edition · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMembrane-based Ion Separation Techniques
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesNational Key Research and Development Program of ChinaNatural Science Foundation of Shandong ProvinceNational Natural Science Foundation of China
Mots-clésReversed electrodialysisOsmotic powerMembraneElectricity generationRenewable energyFabricationGenerator (circuit theory)ScalabilityLimitingElectrodialysis

Résumé

récupéré en direct d'OpenAlex

Salinity gradient energy extracted with the reverse electrodialysis technique is attracting great interest and has been suggested as a promising renewable and stable energy source. However, the reverse electrodialysis relies on highly charge-selective membranes, causing a range of problems including the selectivity-permeability trade-off, strong concentration polarization, and strict requirement on the material structure, severely limiting its viability for large scale applications. We demonstrate these problems may be addressed by adopting the diffusio-osmosis process to generate power using sulfonated covalent framework membranes (COF), which does not require any charge selectivity. As a result, the membrane shows much higher power density compared to similar-sized membranes and enables much higher scalability. Remarkably, the generator has loose requirement on material structure and could largely maintain its power generation performance even when a substantial number of pinholes are present. This could make the material fabrication significantly easier than before. We expect our work to advance the practical application of salinity gradient energy extraction.

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 enseignants0,379
Score d'incertitude au seuil0,961

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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,230
Écart entre enseignants0,222 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAngewandte Chemie International EditionMême sujetMembrane-based Ion Separation TechniquesTravaux en français237 207