MétaCan
Menu
Retour à la cohorte
Enregistrement W4404603705 · doi:10.26434/chemrxiv-2024-x8shp

Impacts of Adsorbed N2 on the Diffusion of CO2 and H2O in CALF-20 Assessed via a Frequency Response Method

2024· preprint· en· W4404603705 sur OpenAlexaff
Thomas Lassitter, J. B. Hastings, Nicholas Fylstra, Marc R. Birtwistle, Nikita Hanikel, Omar M. Yaghi, George K. H. Shimizu, T. Grant Glover

Notice bibliographique

RevueChemRxiv · 2024
Typepreprint
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAdsorptionSine waveDiffusionFrequency responseEffluentSquare waveInletPerturbation (astronomy)Analytical Chemistry (journal)ChemistryFourier transformBiological systemMaterials scienceThermodynamicsEnvironmental scienceMathematicsPhysicsChromatographyMathematical analysisPhysical chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

The diffusion of CO2 and H2O in CALF-20 was examined at various concentrations and in N2 and He carrier gases. The data show that N2 has a measurable impact on the diffusion of CO2 and H2O in the pores of CALF-20. The results highlight the importance of considering N2 adsorption in CO2 capture materials and the effect that co-adsorbed N2 can have on CO2 and H2O diffusion mechanisms. Because multiple diffusion data points were required as a function of concentration, concentration swing frequency response (CSFR) was used to examine the system. CSFR typically involves perturbing the inlet concentration sinusoidally at a single frequency while monitoring the concentration response at the effluent. To increase the throughput of this device, a methodology was developed based on the Fourier transform of the response of an adsorbent bed to a square wave perturbation of the inlet concentration. FT-CSFR allows multiple data points to be obtained with a single experiment and generally produces results 3x faster than sinewave-only frequency response data collection.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,040
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,015
Tête enseignante GPT0,264
Écart entre enseignants0,250 · 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.

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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207