Polyethyleneimine-impregnated activated carbon nanofiber composited graphene-derived rice husk char for efficient post-combustion CO <sub>2</sub> capture
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This study presents the fabrication of polyethyleneimine (PEI)–graphene-derived rice husk char (GRHC)/activated carbon nanofiber (ACNF) composites via electrospinning and physical activation processes and its adsorption performance toward CO 2 . This study was performed by varying several parameters, including the loading of graphene, impregnated and nonimpregnated with amine, and tested on different adsorption pressures and temperatures. The resultant ACNF composite with 1% of GRHC shows smaller average fiber diameter (238 ± 79.97 nm) with specific surface area ( S BET ) of 597 m 2 /g, and V micro of 0.2606 cm 3 /g, superior to pristine ACNFs (202 m 2 /g and 0.0976 cm 3 /g, respectively). ACNF/GRHC0.01 exhibited CO 2 uptakes of 142 cm 3 /g at atmospheric pressure and 25°C, significantly higher than that of pristine ACNF’s 69 cm 3 /g. The GRHC/ACNF0.01 was then impregnated with PEI and further achieved impressive increment in CO 2 uptake to 191 cm 3 /g. Notably, the adsorption performance of CO 2 is directly proportional to the pressure increment; however, it is inversely proportional with the increased temperature. Interestingly, both amine-impregnated and nonimpregnated GRHC/ACNFs fitted the pseudo first-order kinetic model (physisorption) at 1 bar; however, best fitted the pseudo second-order kinetic model (chemisorption) at 15 bar. Both GRHC/ACNF and PEI-GRHC/ACNF samples obeyed the Langmuir adsorption isotherm model, which indicates monolayer adsorption. At the end of this study, PEI-GRHC/ACNFs with excellent CO 2 adsorption performance were successfully fabricated.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 découle