MétaCan
Menu
Retour à la cohorte
Enregistrement W2079292788 · doi:10.1039/c4ra04545a

Highly porous carbons with superior performance for CO2 capture through hydrogen-bonding interactions

2014· article· en· W2079292788 sur OpenAlexafffund
Donghai Lin, Xiaotian Zhang, Xinwei Cui, Weixing Chen

Notice bibliographique

RevueRSC Advances · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCarbon Management Canada
Mots-clésSorptionAdsorptionDesorptionChemical engineeringPorosityPolyanilineCarbon fibersChemistryHydrogen bondHydrogenActivated carbonMaterials scienceOrganic chemistryMoleculePolymerComposite numberComposite material

Résumé

récupéré en direct d'OpenAlex

Highly porous carbons were prepared by using polyaniline (PANI) as a carbon precursor and KOH as an activating agent via a one-step chemical activation process. The effects of the activation parameters such as activation temperature, KOH–PANI weight ratio and pre-heating temperature were fully investigated, through which the pore structure and the materials chemistry of the activated porous carbons were optimized. When studied as an adsorbent for CO2 capture, the optimized porous carbon exhibited a high CO2 capture capacity of 4.50 mmol g−1, high multi-cycle sorption/desorption stability and highly selective adsorption of CO2 over N2 (0.27 mmol g−1) at 25 °C. This superior performance for CO2 capture was found to be closely related to C–H groups on the carbon surface through hydrogen bonding interactions.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,727
Score d'incertitude au seuil0,862

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,223
Écart entre enseignants0,215 · 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'étudeSans objet
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

Citations27
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRSC AdvancesMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207