MétaCan
Menu
Retour à la cohorte
Enregistrement W2312801639 · doi:10.1021/es401276r

Mathematical Modeling and Experimental Breakthrough Curves of Carbon Dioxide Adsorption on Metal Organic Framework CPM-5

2013· article· en· W2312801639 sur OpenAlexaff
Rana Sabouni, Hossein Kazemian, Sohrab Rohani

Notice bibliographique

RevueEnvironmental Science & Technology · 2013
Typearticle
Langueen
DomaineChemistry
ThématiqueMetal-Organic Frameworks: Synthesis and Applications
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésFlue gasAdsorptionCarbon dioxidePorosityChemical engineeringChemistryAbsorption (acoustics)Volumetric flow rateMetal-organic frameworkPorous mediumAmine gas treatingMaterials scienceInorganic chemistryOrganic chemistryThermodynamicsComposite material

Résumé

récupéré en direct d'OpenAlex

It is essential to capture carbon dioxide from flue gas because it is considered one of the main causes of global warming. Several materials and different methods have been reported for CO2 capturing including adsorption onto zeolites and porous membranes, as well as absorption in amine solutions. All such methods require high energy input and high cost. A new class of porous materials called Metal Organic Frameworks (MOFs) exhibited excellent performance in extracting carbon dioxide from a gas mixture. In this study, the breakthrough curves for the adsorption of carbon dioxide on CPM-5 (crystalline porous materials) were obtained experimentally and theoretically using a laboratory-scale fixed-bed column at different experimental conditions such as feed flow rate, adsorption temperature, and feed concentration. It was found that the CPM-5 has a dynamic CO2 adsorption capacity of 11.9 wt % (2.7 mmol/g) (corresponding to 8 mL/min, 298 K, and 25% v/v CO2). The tested CPM-5 showed an outstanding adsorption equilibrium capacity (e.g., 2.3 mmol/g (10.2 wt %) at 298 K) compared to other adsorbents, which can be considered as an attractive adsorbent for separation of CO2 from flue gas.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,232
Écart entre enseignants0,222 · 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'étudeSimulation ou modélisation
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

Citations40
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMetal-Organic Frameworks: Synthesis and ApplicationsTravaux en français237 207