MétaCan
Menu
Retour à la cohorte
Enregistrement W2321981785 · doi:10.1021/ie501068d

ZrO<sub>2</sub>–CuO Sorbents for High-Temperature Air Separation

2014· article· en· W2321981785 sur OpenAlexafffund
Mehdi Alipour, Deepak Pudasainee, John A. Nychka, Rajender Gupta

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanadian Centre for Clean Coal/Carbon and Mineral Processing Technologies
Mots-clésDesorptionSorptionChemical engineeringMaterials scienceYttria-stabilized zirconiaThermogravimetric analysisCeramicOxygenAnalytical Chemistry (journal)SpinelAir separationPerovskite (structure)AdsorptionChemistryChromatographyComposite materialCubic zirconiaOrganic chemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

The citrate gel method was used to synthesize ZrO 2 samples loaded with different concentrations of CuO for potential use as oxygen sorbents for high-temperature air separation. The effect of yttria addition was investigated by studying the change in the crystal structure (X-ray diffraction) and morphology (scanning electron microscopy). Oxygen sorption and desorption kinetics of all samples and their cyclic stability were tested using thermogravimetric analysis. In oxygen desorption studies, a mixture of CO 2 and O 2 similar to recycled flue gas in composition was used as purges gas to study the possibility of using these sorbents in the ceramic autothermal recovery process. Yttria addition improved the cyclical stability of the sorbents without any significant change in sorptive/desorptive properties. Sorbents with CuO loading below 20% showed improved performance with a sorption capacity higher than existing perovskite or spinel/perovskite oxides. Yttria doping improves dispersion of CuO on the support therefore leading to higher desorption rates. Yttria doping also prevents the agglomeration of Cu 2 O particles in desorption cycles making the rate of desorption and absorption stable over long time periods.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,040
Tête enseignante GPT0,325
Écart entre enseignants0,285 · 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

Citations5
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207