MétaCan
Menu
Retour à la cohorte
Enregistrement W4406070643 · doi:10.1016/j.jece.2025.115309

Development and analysis of two innovative physical and chemical CO2 absorption systems to achieve a more effective CCU process

2025· article· en· W4406070643 sur OpenAlexafffund
Mourad El Helou, Yaser Khojasteh Salkuyeh, Melanie-Jane Hazlett

Notice bibliographique

RevueJournal of environmental chemical engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEnvironment and Climate Change CanadaConcordia University
Mots-clésProcess (computing)Process engineeringAbsorption (acoustics)Process systemsComputer scienceNanotechnologyMaterials scienceEngineering

Résumé

récupéré en direct d'OpenAlex

In this project, innovative processes have been developed to improve the performance of solvent-based absorption and its integration with Carbon capture and utilization (CCU). The proof-of-concept of the proposed technologies is conducted by evaluating the techno-economic performance and GHG emissions of different scenarios and two types of feedstock: Flue gas of a cement plant and syngas of the ammonia process. A significant reduction in energy consumption is achieved by incorporating hydrogen injection into the CO 2 removal separators. The results for physical absorption revealed a 48%-77% reduction in the net energy consumption for flue gas and syngas respectively compared to the base case process. Consequently, the capture cost has decreased by 10%-25%. In the chemical case, the concept is integrated with the use of a high-temperature heat pump and a 7% improvement for flue gas (5% for syngas) in the coefficient of performance of the heat pump is achieved. • An integrated CO 2 capture for CCU pathways is designed and simulated • The process simulation and cost analysis are performed • The new processes allow for a significant decrease in capture cost and energy demand.

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 enseignants0,007
Score d'incertitude au seuil0,708

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,003
Tête enseignante GPT0,207
Écart entre enseignants0,204 · 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

Citations9
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of environmental chemical engineeringMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207