Molecular Dynamics Simulations of Liquid Transport through Nanofiltration Membranes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nanofiltration (NF) is a pressure-driven membrane separation process, which is a nonequilibrium process because of the pressure difference and concentration difference across the membrane. As one type of molecular dynamics (MD) simulations, nonequilibrium molecular dynamics (NEMD) simulations can provide the dynamics properties of NF transport on a molecular level description, which can serve as a complement to conventional experimental studies. In this thesis, NEMD simulations are proposed to study pressure-driven liquid flows through carbon nanotube (CNT) membranes and polyamide (PA) membranes at realistic NF conditions. Pure water flows passing through the membranes are studied primarily, and organic flows passing through the CNT membranes are also studied. Little research, that we are aware of, has been done to show the NF transport properties. The results of the NEMD simulations are analyzed to investigate the transport properties and the effects of the membrane structures on liquid transport, and the simulation results are compared with traditional models and/or literature data. This work shows that show that the liquid transport through the CNT membrane is extremely fast and cannot be predicted by the continuum equations due to the special properties of the CNT, and the water transport of the PA membrane is strongly related to the free-volume properties of the amorphous polymeric membrane. The MD simulation studies proposed in this thesis are feasible as a tool for describing and investigating pressure-drive liquid transport and can provide some fundamental basis for NF transport.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 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 découle