MétaCan
Menu
Retour à la cohorte
Enregistrement W7117650539 · doi:10.3390/membranes16010014

Dewatering Hypersaline Na2SO4 and NaCl via Commercial Forward Osmosis Module

2025· article· en· W7117650539 sur OpenAlexafffund
Noel Devaere, Vladimiros G. Papangelakis

Notice bibliographique

RevueMembranes · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésForward osmosisDewateringOsmosisReverse osmosisMembraneWater treatmentFiltration (mathematics)

Résumé

récupéré en direct d'OpenAlex

Efficient water recycling in the hydrometallurgical industry requires the dewatering of hypersaline Na2SO4 or similar brines via non-evaporative methods. Unfortunately, many non-evaporative methods require the use of specific solutes and are not compatible with complex hydrometallurgical effluents. Forward Osmosis (FO) uses a draw solution to link known non-evaporative water recycling methods with feed solutions that are otherwise incompatible. There is minimal experimental data on the dewatering performance of today’s available commercial FO membranes, especially with hypersaline concentrations (>70,000 mg/L total dissolved solids). This study tests the commercially available Aquaporin HFFO2 hollow fibre FO membrane module with hypersaline Na2SO4 or NaCl feed solutions versus a MgCl2 draw solution. It identifies a key requirement to maintain water flux above a certain threshold to prevent a decrease in Na Rejection or an increase in Mg reverse flux. It also defines a minimum osmotic differential that can be used to parameterize water flux, similar to the temperature of approach in heat exchangers, but to determine the extent of water removal in FO. We demonstrate that even under mildly acidic conditions, existing FO membranes can concentrate Na2SO4 to saturation, paving the way for their use in the hydrometallurgical industry.

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 enseignants0,140
Score d'incertitude au seuil0,592

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 Opus0,009
Tête enseignante GPT0,235
Écart entre enseignants0,226 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueMembranesMême sujetMembrane Separation TechnologiesTravaux en français237 207