Biomimetic aerogels with hierarchical honeycomb architecture for superior CO2 adsorption, selectivity, and structural integrity
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In structured adsorbents, achieving mesoporosity, crucial for efficient gas adosorption, is challenging, which restricts mass transport and accessibility to active sites. Here, we address this limitation by developing the first hierarchically porous honeycomb aerogels that replicate hexagonal pores at both the macro-level and micro-level wall structure. This design, inspired by nature’s most efficient patterns, enables us to achieve CO₂ adsorption capacity (3.94 mmol g−¹ at 298 K and 1 bar), selectivity (65.2 CO₂/N₂), and high specific surface area (370 m² g−¹). The honeycomb aerogels are constructed from manganese dioxide (MnO₂) functionalized electrochemically exfoliated graphene (MEEG) and chitosan (CS). By optimizing the MnO₂ loading and the MEEG to CS weight ratio, we achieved dual-scale hexagonal porosity, enabling a hybrid physical and chemical adsorption mechanism. The hybrid adsorption leverages the rapid kinetics of chemisorption and ease of regeneration characteristic of physisorption, making these materials highly efficient. This highlights the synergy between enhanced surface accessibility of primary amine groups and selective adsorption properties, setting a new standard for hierarchically structured materials. Honeycomb structures maximize surface area, important for gas adsorption, but replicating them synthetically is challenging. Here, an aerogel with hexagonal porosity was synthesized with MnO₂-functionalized electrochemically exfoliated graphene for carbon dioxide adsorption and high selectivity over nitrogen
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.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| 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 découle