A Robust Framework for Generating Adsorption Isotherms to Screen Materials for Carbon Capture
Notice bibliographique
Résumé
To rank the performance of materials for a given carbon capture process, we rely on pure component isotherms from which we predict the mixture isotherms. For screening a large number of materials we also increasingly rely on isotherms predicted from molecular simulations. In particular, for such screening studies, it is important that the procedures to generate the data are accurate, reliable, and robust. In this work, we develop an efficient and automated workflow for a meticulous sampling of pure component isotherms. The workflow was tested on a set of metal-organic frameworks (MOFs) and proved to be reliable given different guest molecules. We show that the coupling of our workflow with the Clausius-Clapeyron relation saves CPU time, yet enables us to accurately predict pure component isotherms at the temperatures of interest, starting from a reference isotherm at a given temperature. We also show that one can accurately predict the CO2 and N2 mixture isotherms using Ideal Adsorbed Solution Theory (IAST). In particular, we show that IAST is a more reliable numerical tool to predict binary adsorption uptakes for a range of pressures, temperatures, and compositions, as it does not rely on the fitting of experimental data, which typically needs to be done with analytical models such as dual-site Langmuir (DSL). This makes IAST a more suitable and general technique to bridge the gap between adsorption (raw) data and process modelling. To demonstrate this point, we show that the ranking of materials, for a standard 3-step Temperature Swing Adsorption (TSA) process, can be significantly different depending on the thermodynamic method used to predict binary adsorption data. We show that for the design of processes that capture CO2 from low concentration (0.4%) streams, the commonly used methodology to predict mixture isotherms incorrectly assigns up to 33% of the materials as top-performing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».