MétaCan
Menu
Retour à la cohorte
Enregistrement W1975719108 · doi:10.1021/es305113p

High-Purity Hydrogen via the Sorption-Enhanced Steam Methane Reforming Reaction over a Synthetic CaO-Based Sorbent and a Ni Catalyst

2013· article· en· W1975719108 sur OpenAlexaff
Vasilije Manović, Qasim Imtiaz, Agnieszka Kierzkowska, Edward J. Anthony, Christoph R. Müller

Notice bibliographique

RevueEnvironmental Science & Technology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueChemical Looping and Thermochemical Processes
Établissements canadiensNatural Resources Canada
Organismes subventionnairesEidgenössische Technische Hochschule ZürichSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésSorbentSteam reformingHydrotalciteHydrogen productionCatalysisChemical engineeringSorptionMaterials scienceSyngasAluminateMethane reformerHydrogenNuclear chemistryInorganic chemistryChemistryAdsorptionMetallurgyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Sorbent-enhanced steam methane reforming (SE-SMR) is an emerging technology for the production of high-purity hydrogen from hydrocarbons with in situ CO2 capture. Here, SE-SMR was studied using a mixture containing a Ni-hydrotalcite-derived catalyst and a synthetic, Ca-based, calcium aluminate supported CO2 sorbent. The fresh and cycled materials were characterized using N2 physisorption, X-ray diffraction, and scanning and transmission electron microscopy. The combination of a Ni-hydrotalcite catalyst and the synthetic CO2 sorbent produced a stream of high-purity hydrogen, that is, 99 vol % (H2O- and N2-free basis). The CaO conversion of the synthetic CO2 sorbent was 0.58 mol CO2/mol CaO after 10 cycles, which was more than double the value achieved by limestone. The favorable CO2 capture characteristics of the synthetic CO2 sorbent were attributed to the uniform dispersion of CaO on a stable nanosized mayenite framework, thus retarding thermal sintering of the material. On the other hand, the cycled limestone lost its nanostructured morphology completely over 10 SE-SMR cycles due to its intrinsic lack of a support component.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,003
Tête enseignante GPT0,177
Écart entre enseignants0,175 · 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 source (Gemma direct ou Codex distillé), 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

Citations127
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetChemical Looping and Thermochemical ProcessesTravaux en français237 207