Integrated kinetics-computational fluid dynamic-optimization for catalytic hydrogenation of CO2 to formic acid
Notice bibliographique
Résumé
As enormous research findings indicate, carbon dioxide (CO2) can be converted to important products such as formic acid using catalytic hydrogenation of CO2 technologies. In this work a three-dimensional computational fluid dynamic (CFD) reactor model for the catalytic hydrogenation of CO2 to formic acid in the presence of triethylamine and water was developed, and the nature of the flow and reaction occurring inside the reactor was demonstrated. A kinetic model which estimates kinetic rate expressions was also developed and validated using experimental data. The kinetic parameters from the kinetic model were used as reaction source terms for the CFD reactor model development. Sensitivity analyses were performed on the design variables by integrating the kinetic parameters from the developed kinetic model. The Bayesian optimization algorithm was used to optimize the catalytic CO2 hydrogenation reactor. The optimal design was acquired, and the CO2 conversion increased by 32.6% compared to the initial base case. An optimized reactor design was proposed for the catalytic hydrogenation of CO2 to formic acid within a catalytic trickle-bed reactor based on the integration of reaction kinetic modeling and CFD analysis. The integrated kinetic-CFD-optimization framework proposed in this work was effectively applied to the catalytic CO2 hydrogenation reactor and the results reported on this work could give important design and operational insight to the further development of catalytic CO2 hydrogenation reactors for CO2 to formic acid conversion in carbon capture and utilization applications.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».