Cold, Hot, Dry, and Wet: Locations and Dynamics of CO<sub>2</sub> and H<sub>2</sub>O Co-Adsorbed in an Ultramicroporous MOF
Notice bibliographique
Résumé
Climate change from anthropogenic carbon dioxide (CO 2 ) emissions poses a severe threat to society. A variety of mitigation strategies currently include some form of CO 2 capture. Metal–organic frameworks (MOFs) have shown great promise for carbon capture and storage, but several issues must be solved before feasible widespread adoption is possible. MOFs often exhibit reduced chemical stabilities and CO 2 adsorption capacities in the presence of water, which is ubiquitous in nature and many practical settings. A comprehensive understanding of water influence on CO 2 adsorption in MOFs is necessary. We have used multinuclear nuclear magnetic resonance (NMR) experiments at temperatures ranging from 173 to 373 K, along with complementary computational techniques, to investigate the co-adsorption of CO 2 and water across various loading levels in the ultra-microporous ZnAtzOx MOF. This approach yields detailed information regarding the number of CO 2 and water adsorption sites along with their locations, guest dynamics, and host–guest interactions. Guest adsorption and motional models proposed from NMR data are supported by computational results, including visualizations of adsorption locations and the spatial distribution of guests in different loading scenarios. The wide variety and depth of information presented demonstrates how this experimental methodology can be used to investigate humid carbon capture and storage applications in other MOFs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».