MétaCan
Menu
Retour à la cohorte
Enregistrement W4220973683 · doi:10.3390/catal12040363

Prospects and Technical Challenges in Hydrogen Production through Dry Reforming of Methane

2022· article· en· W4220973683 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCatalysts · 2022
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésSyngasCarbon dioxide reformingGreenhouse gasHydrogen productionEnvironmental scienceMethaneEnablingSteam reformingRaw materialProduction (economics)Waste managementProcess engineeringHydrogenChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Environmental issues related to greenhouse gases (GHG) emissions have pushed the development of new technologies that will allow the economic production of low-carbon energy vectors, such as hydrogen (H2), methane (CH4) and liquid fuels. Dry reforming of methane (DRM) has gained increased attention since it uses CH4 and carbon dioxide (CO2), which are two main greenhouse gases (GHG), as feedstock for the production of syngas, which is a mixture of H2 and carbon monoxide (CO) and can be used as a building block for the production of fuels. Since H2 has been identified as a key enabler of the energy transition, a lot of studies have aimed to benefit from the environmental advantages of DRM and to use it as a pathway for a sustainable H2 production. However, there are several challenges related to this process and to its use for H2 production, such as catalyst deactivation and the low H2/CO ratio of the syngas produced, which is usually below 1.0. This paper presents the recent advances in the catalyst development for H2 production via DRM, the processes that could be combined with DRM to overcome these challenges and the current industrial processes using DRM. The objective is to assess in which conditions DRM could be used for H2 production and the gaps in literature data preventing better evaluation of the environmental and economic potential of this process.

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 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 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 enseignants0,009
Score d'incertitude au seuil0,652

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
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 Opus0,029
Tête enseignante GPT0,259
Écart entre enseignants0,230 · 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