Bioinspired Polypeptide Dendrimer‐Modified Thin‐Film Composite Membranes for Selective Lithium‐Magnesium Separation with DFT Insights
Notice bibliographique
Résumé
ABSTRACT Selective ion transport in nanofiltration (NF) enables sustainable lithium (Li + ) recovery. While many membranes rely on strong positive charge for Li⁺/Mg 2 ⁺ separation, we show that negatively charged membranes can also excel using a biomimetic approach. Inspired by biological ion channels that achieve cation selectivity via specific binding sites despite their negative charge, we designed a nitrogen‐rich polypeptide dendrimer (amino acid–based) bearing carboxylate coordination sites with higher affinity for Mg 2 ⁺ than Li⁺, while moderating the membrane's net negative charge. This biomimetic design enhanced Li + recovery by inhibiting Mg 2+ transport through stronger interactions, thereby allowing for preferential Li + permeation. This process occurred through a combination of electrostatic modulation and ligand‐assisted coordination. Density functional theory (DFT) calculations indicated strong oxygen‐donor coordination: lysine motifs bind hydrated Mg 2+ (E ≈ −170 kcal.mol −1 ) far more strongly than Li + (E ≈ −50.2 kcal.mol −1 ). The optimized membrane achieved Li + /Mg 2+ selectivity of 15.6 at neutral pH with 23 LMH flux, and 136 at pH 4, highlighting strong performance in acidic feeds. Long‐term tests showed ∼0.4% leaching over 10 days with stable rejection and enrichment of Li⁺ (feed Li⁺/Mg 2 ⁺ increased from 0.05 to 0.20). Antifouling tests showed a twofold lower flux‐decline ratio and higher flux‐recovery than the unmodified TFC.
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) | 0,002 | 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 ».