MétaCan
Menu
Retour à la cohorte
Enregistrement W2191542804 · doi:10.1155/2015/439382

Simulation of Binary CO<sub>2</sub>/CH<sub>4</sub> Mixture Breakthrough Profiles in MIL‐53 (Al)

2015· article· en· W2191542804 sur OpenAlexafffund
Luis Fernando Gomez, Renju Zacharia, Pierre Bénard, Richard Chahine

Notice bibliographique

RevueJournal of Nanomaterials · 2015
Typearticle
Langueen
DomaineChemistry
ThématiqueMetal-Organic Frameworks: Synthesis and Applications
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceAdsorptionBinary numberParticle (ecology)ThermodynamicsChemical engineeringAluminiumAnalytical Chemistry (journal)ChromatographyComposite materialPhysical chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

MIL‐53 (Al) aluminum terephthalate, a commercial metal‐organic framework, has been studied as a potential candidate for pressure swing adsorption separation of CO 2 /CH 4 binary mixtures. Pure gas isotherms of CH 4 and CO 2 measured over 0–6 MPa and at room temperature are fitted with the Dubinin‐Astakhov (D‐A) model. The D‐A model parameters are used in the Doong‐Yang Multicomponent adsorption model to predict the binary mixture isotherms. A one‐dimensional multicomponent adsorption breakthrough model is then used to perform a parametric study of the effect of adsorbent particle diameter, inlet pressures, feed flow rates, and feed compositions on the breakthrough performance. Commercial MIL‐53 with a particle diameter of 20 μ m renders high tortuous flow; therefore it is less effective for separation. More effective separation can be achieved if MIL‐53 monoliths of diameters above 200 μ m are used. Faster separation is possible by increasing the feed pressure or if the starting compositions are richer in CO 2 . More CH 4 is produced per cycle at higher feed pressures, but the shortened time at higher pressures can result in the reduction of the CH 4 purity.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,024
Tête enseignante GPT0,275
Écart entre enseignants0,251 · 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.

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

Citations15
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NanomaterialsMême sujetMetal-Organic Frameworks: Synthesis and ApplicationsTravaux en français237 207