MétaCan
Menu
Retour à la cohorte
Enregistrement W2998388354 · doi:10.1002/anie.201915561

Cooperative Carbon Dioxide Adsorption in Alcoholamine‐ and Alkoxyalkylamine‐Functionalized Metal–Organic Frameworks

2019· article· en· W2998388354 sur OpenAlexfundno aff
Victor Y. Mao, Phillip J. Milner, Jung‐Hoon Lee, Alexander C. Forse, Eugene J. Kim, Rebecca L. Siegelman, C. Michael McGuirk, Leo B. Zasada, Jeffrey B. Neaton, Jeffrey A. Reimer, Jeffrey R. Long

Notice bibliographique

RevueAngewandte Chemie International Edition · 2019
Typearticle
Langueen
DomaineChemistry
ThématiqueMetal-Organic Frameworks: Synthesis and Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of General Medical SciencesOffice of ScienceNational Energy Technology LaboratoryNational Institutes of HealthPhilomathia FoundationU.S. Department of EnergyArgonne National LaboratoryBasic Energy SciencesFoundation for the National Institutes of Health
Mots-clésCarbamic acidvan der Waals forceAdsorptionMetal-organic frameworkDensity functional theoryHydrogen bondChemistryCarbon dioxideCarbamateMoleculeMaterials scienceChemical engineeringCombinatorial chemistryComputational chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract A series of structurally diverse alcoholamine‐ and alkoxyalkylamine‐functionalized variants of the metal–organic framework Mg 2 (dobpdc) are shown to adsorb CO 2 selectively via cooperative chain‐forming mechanisms. Solid‐state NMR spectra and optimized structures obtained from van der Waals‐corrected density functional theory calculations indicate that the adsorption profiles can be attributed to the formation of carbamic acid or ammonium carbamate chains that are stabilized by hydrogen bonding interactions within the framework pores. These findings significantly expand the scope of chemical functionalities that can be utilized to design cooperative CO 2 adsorbents, providing further means of optimizing these powerful materials for energy‐efficient CO 2 separations.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,030
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,011
Tête enseignante GPT0,240
Écart entre enseignants0,229 · 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

Citations87
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAngewandte Chemie International EditionMême sujetMetal-Organic Frameworks: Synthesis and ApplicationsTravaux en français237 207