MétaCan
Menu
Retour à la cohorte
Enregistrement W2097915338 · doi:10.3389/fchem.2014.00081

Review on dry reforming of methane, a potentially more environmentally-friendly approach to the increasing natural gas exploitation

2014· review· en· W2097915338 sur OpenAlexaff
Jean‐Michel Lavoie

Notice bibliographique

RevueFrontiers in Chemistry · 2014
Typereview
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésCarbon dioxide reformingMethaneSyngasSyngas to gasoline plusFossil fuelNatural gasEnvironmental scienceMethane reformerRenewable energyEnvironmentally friendlyWaste managementCarbon footprintCarbon dioxideSteam reformingBiomass (ecology)Greenhouse gasChemistryHydrogen productionEngineeringHydrogenEcology

Résumé

récupéré en direct d'OpenAlex

With the actual growth of the natural gas industry in the US as well as the potential and availability of this non-renewable carbon source worldwide, reforming of methane gas is getting increasing attention. Methane can be used for the production of heat or electricity, as well, it can be converted to syngas, a building block that could lead to the production of liquid fuels and chemicals, a very promising pathway in light of the increasing price of oil. Amongst the different reforming techniques, dry reforming could represent a very interesting approach both to valorize a cheap source or carbon (CO2) as well as to reduce the overall carbon footprint of the increasing worldwide fossil-based methane consumption. In this short review, attention will be given to the thermodynamics of dry reforming followed by an investigation on dry reforming using heterogeneous catalyst by focusing on the most popular elements used in literature for dry reforming. Attention will as well be given to other emerging techniques that may allow countering at one point the high thermodynamic penalties that accompanies conversion of methane using carbon dioxide.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,005

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 Opus0,013
Tête enseignante GPT0,266
Écart entre enseignants0,252 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations526
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in ChemistryMême sujetCatalysts for Methane ReformingTravaux en français237 207