Diffusion Analysis of Flue Gases Through Carbon Nanotube- and Graphene-Reinforced PEBAX Nanocomposite Membranes: A Molecular Dynamic Study
Notice bibliographique
Résumé
Dependency on fossil fuels for global energy demand has led to an increase in the concentration of CO2 in the atmosphere, thereby contributing to environmental challenges such as climate change, rise in atmospheric temperature, etc. Since the major contributions of CO2 emissions are from industries, capturing CO2 from post-combustion flue gas has become the focus of many research communities. As such, membrane-based carbon capture and storage (CCS) is an important pathway for controlling CO2 emissions. However, performance validation for membrane separation is required to find the best composite material with a high diffusion rate. Hence, the objectives of this research included determining the performance of the nanocomposite membranes comprising polyether-block-amide (PEBAX) as a matrix and carbon nanotube (CNT) and armchair graphene as reinforcements as well as obtaining the flue gas diffusion rate using molecular dynamic (MD) analysis. Two different composition ratios of the flue gas with an equal ratio (1:1) and an actual post-combustion ratio were developed. The molecular dynamic simulation results obtained from LAMMPS and OVITO determined that graphene-based nanocomposites were better suited for the diffusion of the CO2/N2 and CO2/N2/O2 flue gas compositions, and CNT-reinforced nanocomposite membranes performed better for the CO2/O2 flue gas blend.
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 ».