MétaCan
Menu
Retour à la cohorte
Enregistrement W2794459774 · doi:10.1007/s12200-018-0807-z

Non-thermal plasma fixing of nitrogen into nitrate: solution for renewable electricity storage?

2018· article· en· W2794459774 sur OpenAlexfundno aff
Yi He, Zhengwu Chen, Zha Li, Guangda Niu, Jiang Tang

Notice bibliographique

RevueFrontiers of Optoelectronics · 2018
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAmmonia Synthesis and Nitrogen Reduction
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaWuhan UniversityUniversity of TorontoHuazhong University of Science and TechnologyNational Natural Science Foundation of China
Mots-clésRenewable energyPlasmaNitrateElectricityProcess engineeringSoftware deploymentEnvironmental scienceProduction (economics)Computer scienceThermal energyNitrogenEnergy storageWork (physics)Plasma cleaningSolubilityChemical engineeringMaterials scienceChemistryPhysicsElectrical engineeringOrganic chemistryEngineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

The rapid deployment of solar and wind technology produces significant amount of low-quality electricity that calls for a better storage or usage instead of being discarded by the grid. Instead of electrochemical CO 2 reduction and/or NH 3 production, here we propose that non-thermal plasma oxidation of N 2 into nitrate or other valuable nitrogen containing compounds deserve more research attention because it uses free air as the reactant and avoids the solubility difficulty, and also because its energy consumption is merely 0.2 MJ/mol, even lower than the industrially very successful Haber–Bosch process (0.48 MJ/mol) for NH 3 production. We advocate that researchers from the plasma community and chemistry community should work together to build energy efficient non-thermal plasma setup, identify robust, active and low-cost catalyst, and understand the catalyzing mechanism in a plasma environment.We are confident that free production of nitrate with zero CO 2 emission will come true in the near future.

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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,221
Écart entre enseignants0,214 · 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

Citations18
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers of OptoelectronicsMême sujetAmmonia Synthesis and Nitrogen ReductionTravaux en français237 207