MétaCan
Menu
Retour à la cohorte
Enregistrement W4367052186 · doi:10.3390/molecules28093731

Dry Water as a Promoter for Gas Hydrate Formation: A Review

2023· review· en· W4367052186 sur OpenAlexafffund
Yu Wei, Nobuo Maeda

Notice bibliographique

RevueMolecules · 2023
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Scholarship CouncilUniversity of Alberta
Mots-clésClathrate hydrateHydrateDispersion (optics)ChemistryChemical engineeringMass transferDry gasChromatographyOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Applications of clathrate hydrate require fast formation kinetics of it, which is the long-standing technological bottleneck due to mass transfer and heat transfer limitations. Although several methods, such as surfactants and mechanical stirring, have been employed to accelerate gas hydrate formation, the problems they bring are not negligible. Recently, a new water-in-air dispersion stabilized by hydrophobic nanosilica, dry water, has been used as an effective promoter for hydrate formation. In this review, we summarize the preparation procedure of dry water and factors affecting the physical properties of dry water dispersion. The effect of dry water dispersion on gas hydrate formation is discussed from the thermodynamic and kinetic points of view. Dry water dispersion shifts the gas hydrate phase boundary to milder conditions. Dry water increases the gas hydrate formation rate and improves gas storage capacity by enhancing water-guest gas contact. The performance comparison and synergy of dry water with other common hydrate promoters are also summarized. The self-preservation effect of dry water hydrate was investigated. Despite the prominent effect of dry water in promoting gas hydrate formation, its reusability problem still remains to be solved. We present and compare several methods to improve its reusability. Finally, we propose knowledge gaps in dry water hydrate research and future research directions.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
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)0,0020,016

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 Opus0,041
Tête enseignante GPT0,305
Écart entre enseignants0,264 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations27
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMoleculesMême sujetMethane Hydrates and Related PhenomenaTravaux en français237 207