MétaCan
Menu
Retour à la cohorte
Enregistrement W2161133920 · doi:10.1021/ie049962v

Sorbent Cost and Performance in CO<sub>2</sub> Capture Systems

2004· article· en· W2161133920 sur OpenAlexaff
J.C. Abánades, Edward S. Rubin, Edward J. Anthony

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueChemical Looping and Thermochemical Processes
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésSorbentFlue gasSorptionDesorptionProcess engineeringCarbon capture and storage (timeline)Work (physics)Integrated gasification combined cycleCo2 removalEnvironmental scienceAbsorption (acoustics)AdsorptionPower stationWaste managementComputer scienceChemistryCarbon dioxideMaterials scienceSyngasEngineeringThermodynamicsClimate changeMechanical engineeringOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Power plants are prime candidates to apply CO 2 capture for final storage as a mitigation option for climate change. Many CO 2 capture concepts make use of a sorption−desorption cycle to separate CO 2 from flue gas or O 2 from air. These include commercial absorption processes, as well as processes using new sorbent formulations, adsorption, and high-temperature chemical looping cycles for CO 2 and O 2 . All of these new processes must confront the large scale of carbon flows typical in a power plant. In this work, a common mass balance for all of these processes is used to define a parameter that highlights the minimum sorbent performance required to keep sorbent makeup costs at an acceptable level. A well-established reference system for which reliable commercial data exist (absorption with monoethanolamine, MEA) is used as a technoeconomic baseline to show that some of the sorbents being proposed in the open literature might need to be tested under laboratory conditions for tens of thousands of sorption−desorption cycles before they can be further considered as viable options for CO 2 capture from power plants.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,042
Tête enseignante GPT0,271
Écart entre enseignants0,229 · 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

Citations308
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetChemical Looping and Thermochemical ProcessesTravaux en français237 207