MétaCan
Menu
Retour à la cohorte
Enregistrement W2980111056 · doi:10.1002/cjce.23661

Carbon molecular sieve membranes for natural gas purification: Role of surface flow

2019· article· en· W2980111056 sur OpenAlexaffvenue
Shaihroz Khan, Kean Wang, Xianshe Feng, Ali Elkamel

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMembrane Separation and Gas Transport
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesTotalAbu Dhabi National Oil CompanyShell United States
Mots-clésPermeationMembraneSelectivityMolecular sievePermeability (electromagnetism)ChemistryPyrolysisNitrogenChromatographyChemical engineeringAnalytical Chemistry (journal)Organic chemistryAdsorptionCatalysis

Résumé

récupéré en direct d'OpenAlex

Abstract Carbon molecular sieve membranes (CMSM) were prepared from the pyrolysis of polyimide films within a temperature range of 600°C‐800°C under nitrogen stream. The membrane samples were characterized and tested for the permeation of He, CH4, CO2, and N2 at different pressures and temperatures, respectively. The CMSM700 membrane (pyrolyzed at 700°C) showed an ideal selectivity of ~ 11 for N2/CH4 with a permeability of 2.18 × 10−15 mol · m/m2 · s · Pa for N2. The separation mechanism for the N2/CH4 pair was shown to be largely molecular sieving rather than surface flow. The membrane showed an ideal selectivity of ~ 500 for the CO2/CH4 pair with a CO2 permeability of 9.72 × 10−14 mol · m/m2 · s · Pa. The permeability of He was lower than that of CO2, suggesting that the surface flow played a significant role in the CO2 permeation. The updated permeability‐selectivity tradeoff curves show that this CMSM membrane compared favourably with other membrane materials reported in the literature for the removal of N2 and CO2 from CH4 for natural gas upgrading.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,170
Écart entre enseignants0,166 · 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

Citations9
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMembrane Separation and Gas TransportTravaux en français237 207