MétaCan
Menu
Retour à la cohorte
Enregistrement W4387819499 · doi:10.3390/molecules28207185

Incorporation of Amino Acid-Functionalized Ionic Liquids into Highly Porous MOF-177 to Improve the Post-Combustion CO2 Capture Capacity

2023· article· en· W4387819499 sur OpenAlexafffund
Firuz A. Philip, Amr Henni

Notice bibliographique

RevueMolecules · 2023
Typearticle
Langueen
DomaineChemistry
ThématiqueMetal-Organic Frameworks: Synthesis and Applications
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésThermogravimetric analysisIonic liquidMetal-organic frameworkPorosityChemical engineeringChemistrySelectivityCombustionMaterials scienceAlanineIonic bondingInorganic chemistryOrganic chemistryAmino acidIonAdsorptionCatalysis

Résumé

récupéré en direct d'OpenAlex

This study presents the encapsulation of two amino acid-based ionic liquids (AAILs), 1-ethyl-3-methylimidazolium glycine [Emim][Gly] and 1-ethyl-3-methylimidazolium alanine [Emim][Ala], in a highly porous metal–organic framework (MOF-177) to generate state-of-the-art composites for post-combustion CO2 capture. Thermogravimetric analysis (TGA) demonstrated a successful encapsulation of the AAILs, with a dramatic reduction in the composites’ surface areas and pore volumes. Both [Emim][Gly]@MOF-177 and [Emim][Ala]@MOF-177 had close to three times the CO2 uptake of MOF-177 at 20 wt.% loading, 0.2 bar, and 303 K. Additionally, 20-[Emim][Gly]@MOF-177 and 20-[Emim] [Ala]@MOF-177 enhanced their CO2/N2 selectivity from 5 (pristine MOF-177) to 13 and 11, respectively.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,630

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,228
Écart entre enseignants0,216 · 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 tête enseignante, 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

Citations17
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMoleculesMême sujetMetal-Organic Frameworks: Synthesis and ApplicationsTravaux en français237 207