CO2 capture in activated pyrolytic coke/metal oxide nanoparticle composites
Notice bibliographique
Résumé
Carbon dioxide (CO 2 ) capture from flue gas is of utmost importance in mitigating greenhouse gas emissions. This study focuses on enhancing the CO 2 adsorption capacity of activated carbon (AC) composites through the incorporation of metal oxides . AC, AC/Fe 3 O 4 , and AC/MgO composites were synthesized and characterized using various analytical techniques including Raman and FTIR spectroscopy , TGA , SEM, EDX , XRD , AFM, BET, and VSM analysis. The CO2 adsorption isotherms of the AC/MgO and AC/Fe 3 O 4 composites were measured at different temperatures and pressures using quartz crystal microbalance (QCM). The Langmuir model was successfully employed to fit the experimental data, with AC/MgO and AC/Fe 3 O 4 exhibiting adsorption capacities of 38.567 mmol g − 1 and 71.963 mmol g − 1 , respectively, at 298.15 K and 5 bar. These results demonstrate the significant enhancement of CO 2 adsorption capacity achieved by incorporating metal oxides into the AC composite structure. Furthermore, the regeneration efficiency of the adsorbents was evaluated through multiple adsorption/desorption cycles, revealing that AC, AC/MgO, and AC/Fe 3 O 4 maintained adsorption capacities of 94.1%, 97.9%, and 96.5%, respectively, after six consecutive cycles. This confirms their stability and reusability under practical conditions. These findings contribute to our understanding of CO 2 capture using activated pyrolytic coke and metal oxide nanoparticle composites, highlighting the promising potential of AC/MgO composites as effective adsorbents for CO 2 capture applications. Further investigation and optimization of composite structures and synthesis methods are warranted to enhance their overall performance and applicability
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».