MétaCan
Menu
Retour à la cohorte
Enregistrement W2767849296 · doi:10.1021/acs.iecr.7b02771

Effect of Water Vapor on CO<sub>2</sub> Sorption–Desorption Behaviors of Supported Amino Acid Ionic Liquid Sorbents on Porous Microspheres

2017· article· en· W2767849296 sur OpenAlexafffund
Yusuke Uehara, Davood Karami, Nader Mahinpey

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSorptionIonic liquidSorbentChemistryDesorptionWater vaporAdsorptionChemical engineeringInorganic chemistryChromatographyOrganic chemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

Immobilizing amino acid ionic liquids (AAILs) into a porous support is a promising way to fabricate robust solid sorbents with high capacities for CO 2 capture. One of important factors to be evaluated toward the practical use is the impact of water vapor in inlet gases on the CO 2 capture performance as real flue gases contain some fraction of water vapor. In this study, CO 2 sorption–desorption experiments of supported 1-ethyl-3-methylimidazolium amino acid ([EMIM][AA]) IL sorbents on porous microspheres were conducted under dry and humidified CO 2 inlet conditions using a TGA-MS analysis system, and their outcomes were compared with those of supported amino acids (AA) sorbents. The presence of water vapor changed the CO 2 sorption behaviors depending on the sorbent types. In humidified CO 2 inlet, the CO 2 capture capacities of supported [EMIM][glycine] and [EMIM][lysine] decreased as the adsorbed water hindered their reaction with CO 2, whereas the CO 2 capture of those with supported lysine and arginine increased, since water content exerted a positive impact on the CO 2 capture behavior.

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 enseignants0,009
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 ouverte0,0010,000
Intégrité de la recherche0,0010,002
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 Opus0,033
Tête enseignante GPT0,303
Écart entre enseignants0,270 · 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

Citations30
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207