MétaCan
Menu
Retour à la cohorte
Enregistrement W4406703185 · doi:10.1021/acssuschemeng.4c10207

Amino Acid-Driven One-Step Process to Transform CO<sub>2</sub> into Barium Carbonate Nanoparticles

2025· article· en· W4406703185 sur OpenAlexaff
Qingyang Li, Malcolm Xing, Bingyun Li

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Institute of Food and AgricultureWest Virginia Higher Education Policy Commission
Mots-clésBarium carbonateNanoparticleCarbonateBariumChemistryMaterials scienceInorganic chemistryChemical engineeringNanotechnologyOrganic chemistryEngineeringRaw material

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Controlling carbon dioxide (CO 2 ) emission is critical since CO 2 is the primary contributor to global warming, posing significant threats to human survival and leading to unwanted changes in biological systems. Carbon Capture, Utilization, and Storage (CCUS) has been studied worldwide, but methods that are effective, efficient, economical, and environmentally friendly are lacking. In this study, we developed a unique method to achieve CO 2 capture and conversion in a single step. The process of capturing and converting CO 2 into value-added BaCO 3 nanoparticles (nano-BaCO 3 ) is detailed as an illustrative example. Nano-BaCO 3, with an average size of 85 nm, was obtained without requiring external energy. The use of amino acid resulted in faster CO 2 absorption and more uniform particle sizes compared to the same process without the use of amino acid. Moreover, the amino acid was recycled and reused without any additional treatment, and nano-BaCO 3 production was observed in multiple cycles. In addition, our method has been proven to be applicable for CO 2 conversion from simulated flue gases with various CO 2 levels (e.g., 4% and 10%).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,001

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 GPT0,195
Écart entre enseignants0,192 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207