MétaCan
Menu
Retour à la cohorte
Enregistrement W3134832133 · doi:10.1002/smll.202007025

CO<sub>2</sub> Footprint of Thermal Versus Photothermal CO<sub>2</sub> Catalysis

2021· review· en· W3134832133 sur OpenAlexafffund
Shenghua Wang, Athanasios A. Tountas, Wangbo Pan, Jianjiang Zhao, Le He, Wei Sun, Deren Yang, Geoffrey A. Ozin

Notice bibliographique

RevueSmall · 2021
Typereview
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Key Research and Development Program of ChinaNatural Sciences and Engineering Research Council of CanadaSoochow UniversityTaiyuan University of TechnologyZhejiang UniversityNational Natural Science Foundation of ChinaState Key Laboratory of Silicon MaterialsGovernment of Canada
Mots-clésPhotothermal therapyProcess engineeringCatalysisFossil fuelMaterials scienceNanotechnologyEnvironmental scienceElectricityChemical engineeringChemistryOrganic chemistryPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Transformation of CO 2 into value‐added products via photothermal catalysis has become an increasingly popular route to help ameliorate the energy and environmental crisis derived from the continuing use of fossil fuels, as it can integrate light into well‐established thermocatalysis processes. The question however remains whether negative CO 2 emission could be achieved through photothermal catalytic reactions performed in facilities driven by electricity mainly derived from fossil energy. Herein, we propose universal equations that describe net CO 2 emissions generated from operating thermocatalysis and photothermal reverse water–gas shift (RWGS) and Sabatier processes for batch and flow reactors. With these reactions as archetype model systems, the factors that will determine the final amount of effluent CO 2 can be determined. The results of this study could provide useful guidelines for the future development of photothermal catalytic systems for CO 2 reduction.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,891
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0050,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,043
Tête enseignante GPT0,313
Écart entre enseignants0,270 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations68
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmallMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207