Analysis of a Batch Adsorber Analogue for Rapid Screening of Adsorbents for Postcombustion CO<sub>2</sub> Capture
Notice bibliographique
Résumé
A simplified proxy model based on a well-mixed batch adsorber for vacuum swing adsorption (VSA) based CO2 capture from dry postcombustion flue gas is presented. A graphical representation of the model output allows for the rationalization of broad trends of process performance. The results of the simplified model are compared with a detailed VSA model that takes into account mass and heat transfer, column pressure drop, and column switching, in order to understand its potential and limitations. A new classification metric to identify whether an adsorbent can produce CO2 purity and recovery values that meet current U.S. Department of Energy (US-DOE) targets for postcombustion CO2 capture and to calculate the corresponding parasitic energy is developed. The model, which can be evaluated within a few seconds, showed a classification Matthew correlation coefficient of 0.76 compared to 0.39, the best offered by any traditional metric. The model was also able to predict the energy consumption within 15% accuracy of the detailed model for 83% of the adsorbents studied. The developed metric and the correlation are then used to screen the NIST/ARPA-E database to identify promising adsorbents for CO2 capture applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».