MétaCan
Menu
Retour à la cohorte
Enregistrement W4403466580 · doi:10.1021/acs.jpclett.4c02372

Modulating the Amine–CO<sub>2</sub> Interaction Strength: Toward Efficient Carbon Capture

2024· article· en· W4403466580 sur OpenAlexafffund
Junlin Lan, Chenxu Wang, Meiyue Li, Chunguo Duan, Hao Wang, Junhua Chen, Jens‐Uwe Grabow, Wolfgang Jäger, Yunjie Xu, Qian Gou

Notice bibliographique

RevueThe Journal of Physical Chemistry Letters · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesState Key Laboratory of Coal Conversion, Institute of Coal Chemistry, Chinese Academy of SciencesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaDeutsche Forschungsgemeinschaft
Mots-clésAmine gas treatingCarbon fibersEnvironmental scienceChemical engineeringMaterials scienceEngineeringEnvironmental engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

This study contributes to a comprehensive understanding of the interactions between CO 2 and amines at the molecular level by exploring the rotational spectra of binary complexes between CO 2 and eight different amines through pulsed-jet Fourier transform microwave spectroscopy and quantum chemical calculations. The findings reveal a consistent pattern in which CO 2 is bonded to the amino group, primarily through a C···N tetrel bond, while being supported by C–H···O/C hydrogen bonds. Notably, the binding energies increase from primary through tertiary amines and with increasing chain length of the alkyl groups. These groups are found to enhance the electron density at the amino group significantly, thereby facilitating the formation of stronger C···N tetrel bonds. The insights provided into how the interaction strength is modulated by the geometries of amines are deemed essential for the design of more effective CO 2 adsorption materials, thus advancing carbon capture technologies.

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 enseignants0,018
Score d'incertitude au seuil0,533

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 recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · 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

Citations10
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry LettersMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207