MétaCan
Menu
Retour à la cohorte
Enregistrement W2957377344 · doi:10.1093/ce/zkz012

Application of carbon nanotubes prepared from CH4/CO2 over Ni/MgO catalysts in CO2 capture using a BEA–AMP bi-solvent blend

2019· article· en· W2957377344 sur OpenAlexafffund
Paweesuda Natewong, Natthawan Prasongthum, Prasert Reubroycharoena, Raphael Idem

Notice bibliographique

RevueClean Energy · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCatalysisCarbon nanotubeThermogravimetric analysisChemical engineeringGravimetric analysisMaterials scienceSolventAbsorption (acoustics)DesorptionMethaneCarbon dioxideInorganic chemistryChemistryOrganic chemistryNanotechnologyAdsorptionComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Carbon nanotubes (CNTs) were synthesized by the chemical vapour deposition of methane and carbon dioxide over a Ni/MgO catalyst. The synthesized CNTs were then mixed with K/MgO catalyst at different ratios and used as the catalyst for CO2 absorption in butylethanolamine-2-amino-2-methyl-l-propanol bi-solvent blend. The catalysts were characterized using X-ray diffraction, scanning electron microscopy, butylethanolamine, thermal gravimetric analysis and temperature-programmed desorption of carbon dioxide in order to determine the characteristics responsible for good CO2-absorption performance. The results showed that, with the addition of a catalyst into the amine solution, the amine reached equilibrium CO2 loading faster than without a catalyst. Also, the increase in the CNT content of the KMgO/CNTs catalyst made the CO2 absorption reach equilibrium much more quickly compared with just KMgO alone and without a catalyst. The KMgO/CNTs at a ratio of 1:4 yielded the fastest time to reach CO2-loading equilibrium at 240 min, which was mainly due to the increase in strong basic sites as well as the highest total basic sites with an increase in CNT content. In addition, because of the extremely large specific surface area and pore volume generated due to the CNT, the number of exposed active centres per unit mass increased tremendously, leading to a corresponding tremendous increase in CO2 absorption.

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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0010,000
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 Opus0,007
Tête enseignante GPT0,204
Écart entre enseignants0,197 · 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

Citations11
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClean EnergyMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207