MétaCan
Menu
Retour à la cohorte
Enregistrement W4283069587 · doi:10.1002/cjce.24507

A comprehensive review on the synthesis techniques of porous materials for gas separation and catalysis

2022· review· en· W4283069587 sur OpenAlexvenueno aff
Vikrant Sharma, Ankit Agrawal, Omvir Singh, Reena Goyal, Bipul Sarkar, Navin Gopinathan, Sarang P. Gumfekar

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typereview
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPorosityGas separationPorous mediumNanotechnologyMaterials scienceCatalysisAdsorptionChemical engineeringProcess engineeringMembraneChemistryEngineeringOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Intrinsic structural characteristics of porous materials have found significant applications in selective separation of gases and heterogeneous catalysis. While using porous materials for gas separation and catalysis, some of the challenging issues are the strength of catalytic sites, hydrothermal stability, crystalline order of solids, and selectivity. Researchers' ability to engineer the synthesis strategies rationally can help overcome technological challenges. In recent years, breakthroughs in porous materials are focused on developing different chemistries to control the pore architecture. This review focuses on recent advances made in synthesis strategies of porous materials and their impact on gas separation and catalysis applications. A significant part of this review is devoted to various synthesis methods, such as various types of templating methods, molecular layer deposition, sol–gel technique, and polymerization methods. Improvement in various catalytic reactions and gas separations due to different functionalization methods is also summarized. Lastly, we have discussed the applications of porous materials in the form of adsorbents and membranes in commercial processes. We hope that this review will serve as a quick reference for beginners who want to synthesize porous materials with control of pore structure.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,506
Score d'incertitude au seuil0,563

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,037
Tête enseignante GPT0,292
Écart entre enseignants0,255 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations23
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207