MétaCan
Menu
Retour à la cohorte
Enregistrement W2318823200 · doi:10.1021/ie502457c

The Effect of Hydrophilic and Hydrophobic Multi-Wall Carbon Nanotubes on Methane Dissolution Rates in Water at Three Phase Equilibrium (V−L<sub>w</sub>−H) Conditions

2014· article· en· W2318823200 sur OpenAlexafffund
James Pasieka, Sylvain Coulombe, Phillip Servio

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaHydro-Québec
Mots-clésDissolutionMethaneCarbon nanotubeHydrateChemical engineeringClathrate hydrateCarbon dioxideNatural gasCarbon fibersPhase (matter)Materials scienceChemistryNanotechnologyOrganic chemistryComposite numberComposite material

Résumé

récupéré en direct d'OpenAlex

Presently, gas hydrates are being studied for their potential applications in technologies involving natural gas transportation, carbon dioxide sequestration, and component separation. In order to optimize their use, research has focused on finding hydrate-promoting agents and understanding how they work. One such promoter, multiwall carbon nanotubes (MWNTs), was found to enhance hydrate growth. The current study investigates the effects of adding plasma-functionalized hydrophilic MWNTs and as-produced hydrophobic MWNTs on the dissolution stage of methane hydrate formation. It was found that the addition of the hydrophilic MWNTs increased methane dissolution rates with an increase in MWNT loading. Furthermore, the hydrophobic MWNTs initially enhanced dissolution up until a concentration of 5 ppm, at which point the rates began to return to their nominal values. It was also found that the addition of either type of MWNT did not significantly affect the total number of moles of methane dissolved in the water.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,028
Tête enseignante GPT0,291
Écart entre enseignants0,264 · 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

Citations31
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetMethane Hydrates and Related PhenomenaTravaux en français237 207