Nanochannel Highways in Hybrid Lamellar Membranes: Computational Simulation of Electric Field-Guided CO<sub>2</sub> Transport via Molecular Sieving for Ultra-efficient Separation
Notice bibliographique
Résumé
The excessive weakness and strength of the interactions between graphene and g-C 3 N 4 with CO 2 pose challenges for CO 2 separation. Here, we proposed a gas separation nanochannel composed of the interlayer spacing in a two-dimensional graphene/g-C 3 N 4 (Gra/CN) membrane to solve the issue by molecular dynamics simulation. Graphene is a finely tuned electrostatic interaction membrane in direct contact with CO 2 within the nanochannel. Due to the proper interaction between Gra/CN and CO 2, Gra/CN maintains high CO 2 permeance and selectivity under mixed gas conditions at different interlayer spacings, which confirms the good applicability for CO 2 separation. The nanochannel becomes a highway for CO 2 separation under an external electric field ( E field ) of 1.0 × 10 –4 V·Å –1 along the z -axis; the CO 2 permeance reaches 1.17 × 10 –3 mol·s –1 ·m –2 ·Pa –1 through computational simulation, marking a substantial enhancement of approximately 60.3% relative to conditions without E field . Simultaneously, the solubility coefficient rises to 4.48 × 10 7 mol·m –4 ·Pa as E field in the z -axis. Moreover, the calculated energy consumption of the CO 2 separation is 0.017 GJ·ton –1, which is below the theoretical minimum value of 0.050 GJ·ton –1, demonstrating practical feasibility and efficiency in real-world applications. The results of this work highlight the significant role of the synergistic effect of the hybrid membrane gas separation nanochannel and E field in enhancing CO 2 solubility and permeance, providing valuable theoretical guidance for CO 2 separation.
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 | 0,001 |
| 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 ».