Assessment of hydrogen adsorption capacities on low-maturity shales for geological storage applications: a lattice density functional theory approach
Notice bibliographique
Résumé
Large-scale underground storage of hydrogen is widely recognized as an important solution for energy transition to mitigate global warming. To assess H 2 storage in low-maturity shale, lacustrine samples from the North Jiangsu Basin in eastern China were characterized. The pore structure was first visualized using scanning electron microscopy, while the quantitative pore size distribution (PSD) was determined through low-temperature argon adsorption analysis. High-pressure hydrogen adsorption experiments (50–100 °C, 0–190 bar) were then conducted, and the results were interpreted using a lattice density functional theory (LDFT) model. By incorporating PSD data into the LDFT framework, the model successfully captures the variation in H 2 adsorption across pore sizes and quantifies the contributions of micropores and mesopores to the overall adsorption capacity. The maximum excess adsorption capacity (n ex ) of hydrogen ranged from 36.03 to 54.94 μmol/g at 50 °C, increasing with total organic carbon content and decreasing with temperature. The limiting heat of adsorption ranges from 11.81 to 12.29 kJ/mol. The PSD-LDFT model accurately reproduces the adsorption isotherms across a range of pore sizes and temperatures, highlighting the dominant contribution of micro- and mesopores to the overall adsorption capacity. Modeling results indicate that macropores contribute negligibly to H 2 adsorption, while micropores significantly affect interaction energies and adsorbed-phase densities. In micropores, adsorption occurs mainly through complete pore filling, underscoring the importance of pore size variations in adsorption evaluation.
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 | 0,000 |
| 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 ».