MétaCan
Menu
Retour à la cohorte
Enregistrement W4413639881 · doi:10.1016/j.seppur.2025.134901

Separating carbon dioxide from natural gas by a hollow fiber membrane contactor with various absorbents: Numerical investigation of membrane wettability

2025· article· en· W4413639881 sur OpenAlexaff
Hamed Rahnema, Amin Etminan, Sara Barati, Kevin Pope

Notice bibliographique

RevueSeparation and Purification Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésContactorWettingHollow fiber membraneMembraneCarbon dioxideChemical engineeringMaterials scienceContact angleNatural gasChemistryChromatographyEngineeringThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

This study investigated CO 2 separation from natural gas using hollow fiber membrane contactors, focusing on the combined effects of membrane wettability and absorbent type on separation efficiency. Unlike prior studies that primarily examined dry or fully wetted membranes, we explored intermediate wetting conditions (20 %–60%) to simulate realistic operational scenarios over time. Three absorbents—monoethanolamine (MEA), piperazine (PZ), and triethanolamine (TEA)—with distinct reaction kinetics were evaluated. The results indicated that under dry conditions, all absorbents achieve near-100 % CO 2 removal due to fast reaction kinetics relative to gas flow. However, under wetted conditions (20 %–60 %), absorbent type significantly influenced performance, with PZ (the fastest-reacting) removing up to 15 % of CO 2 at the maximum gas velocity (3.3 m/s), compared to just 5 % for TEA (the slowest-reacting) at 60 % wetting, while at 20 % wetting, the removal efficiencies were 51 % for PZ and 38 % for TEA. Furthermore, we modeled long-term performance decline due to membrane aging and wetting, providing novel insights for industrial applications. This work advances sustainable gas separation technologies by elucidating the interplay of wettability, absorbent kinetics, and temporal dynamics, and by addressing key gaps in previous research.

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 enseignants0,018
Score d'incertitude au seuil0,979

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 Opus0,005
Tête enseignante GPT0,218
Écart entre enseignants0,213 · 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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeparation and Purification TechnologyMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207