MétaCan
Menu
Retour à la cohorte
Enregistrement W4366830172 · doi:10.1021/acs.energyfuels.3c00677

Applicability of Consistency Criteria To Calculate the Brunauer–Emmett–Teller Surface Area of Graphite and Kerogen Mesopores

2023· article· en· W4366830172 sur OpenAlexafffund
Yingnan Wang, Zhehui Jin

Notice bibliographique

RevueEnergy & Fuels · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence FundCompute Canada
Mots-clésBET theoryMesoporous materialSpecific surface areaKerogenGraphiteAdsorptionMaterials scienceMineralogyChemistryGeologyOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

The Brunauer–Emmett–Teller (BET) method has been widely used to characterize surface area of various porous materials. As a result of some oversimplified assumptions, the performance of BET method can be compromised in micro- and mesopores. Thus, the consistency criteria were introduced to improve its performance. However, the applicability of the consistency criteria for kerogen mesopores has not yet been assessed. In this work, N 2 adsorption in graphite and kerogen mesopores is conducted by grand canonical Monte Carlo (GCMC) simulations at 77 K, while the accuracy of the standard BET method (BET_STD) and the BET considering consistency criteria (BET_CC) for surface area estimation is assessed. For graphite slit mesopores, BET_CC can better describe N 2 adsorption behaviors in graphite mesopores than BET_STD. For kerogen mesopores, the surface area from BET_CC has a better linear correlation with CH 4 excess/total adsorption under in situ conditions than that from BET_STD. In other words, the surface area from BET_CC is a better indicator than that from BET_STD to predict CH 4 adsorption behaviors. Our work provides important insights into BET surface area characterization in kerogen mesopores and optimization of characterization processes to better assess gas-in-place estimation in shale media.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,238
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), 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
GenreEmpirique

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

En bref

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207