Revealing Carbon Capture Chemistry with 17-Oxygen NMR Spectroscopy
Notice bibliographique
Résumé
Carbon dioxide capture is an essential greenhouse mitigation technology to achieve netzero emissions. A key hurdle to the design of improved carbon capture materials is the lack of adequate tools to characterise how CO2 adsorbs. Solid-state nuclear magnetic resonance (NMR) spectroscopy is emerging as a promising probe of CO2 capture, but it remains challenging to distinguish different adsorption products. Here we perform a comprehensive computational investigation of 22 amine-functionalised metal-organic frameworks and discover that 17O NMR is a powerful probe of CO2 capture chemistry that provides excellent differentiation of ammonium carbamate and carbamic acid species. The computational findings are supported by 17O NMR experiments on a series of CO2-loaded frameworks that clearly identify ammonium carbamate chain formation and provide new evidence for a mixed carbamic acid – ammonium carbamate adsorption mode. The fine sensitivity of 17O NMR to local chemistry also shows that hydrogen bonding schemes proposed in previous ammonium carbamate chain structures may be inaccurate and new structures are proposed. We further discover a new mixed CO2 adsorption mechanism and show that carbamic acid formation is more prevalent in this materials class than previously believed. Finally, we show that our methods are readily applicable to other adsorbents, and find support for ammonium carbamate formation in amine-grafted silicas. Overall our work paves the way for new investigations of carbon capture chemistry that can enable the design of improved materials.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».