3D-printed, flow-through water filters for microplastic capture: The effect of surface porosity, column height, and pressure-sensitive adhesives on removal efficiency
Notice bibliographique
Résumé
Growing concern over microplastic pollution in the environment has led to an increase in exploration over how to prevent them from entering the environment, as well as the food and water we consume. Fused deposition modeling (FDM) or three-dimensional (3D) extrusion printing offers an easy, scalable, and customizable approach to the generation of customized and innovative material designs, including filtration systems to combat microplastics. In this work, we report a tortuous, layer-based, 3D printed, flow-through filtration column for the easy capture of microplastics from wastewater. Through the addition of polyethylene glycol (PEG) as a sacrificial additive to polylactic acid (PLA), the printed filters can be etched using hot water to achieve a micro- and nano-porous surface with better microplastic capturing capabilities. Further improvement was made via the deposition of pressure-sensitive adhesives, polydopamine (PDA) and poly (2-ethylhexyl acrylate), to improve physical non-covalent interactions with the microplastics on the surface. Finally, through analysis of the filtration column height, a high-efficiency filter capable of 90% microplastic removal was achieved. This work highlights the possibility of using simple, inexpensive, customization, and efficient flow-through filtration systems for high-efficiency microplastic capture from drinking water.
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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».