MétaCan
Menu
Retour à la cohorte
Enregistrement W4414480455 · doi:10.1016/j.jclepro.2025.146635

Carbon dioxide supply and scaling constraints on direct air capture using calcium oxide powder

2025· article· en· W4414480455 sur OpenAlexafffund
Lance Dostie, Ian Power, Kwon Rausis

Notice bibliographique

RevueJournal of Cleaner Production · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensTrent University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésCarbon dioxideScalingCalcium oxideCalciumCalcium loopingOxideCalcium carbonate

Résumé

récupéré en direct d'OpenAlex

Calcium oxide (CaO; lime) looping is a carbon dioxide (CO 2 ) removal technology that can mitigate carbon emissions. However, scaling this technology requires a thorough understanding of the rate-limiting effects of CO 2 supply on CO 2 removal rates at and below atmospheric CO 2 concentration levels, as well as with various CaO thicknesses and plot areas. Here, we show that carbonation is readily limited by CO 2 supply even under high flow rates (e.g., 25 mmol CO 2 /h over 100 g CaO). Subsequently, the CO 2 capture efficiencies using CaO and Ca(OH) 2 powders were investigated under ambient CO 2 concentrations (397–490 ppm) to 100 ppm. Ca(OH) 2 carbonation rates increased exponentially with increasing CO 2 concentrations, e.g., 2.1 wt% CaCO 3 /h at 100 ppm compared to 5.2 wt% CaCO 3 /h at ambient CO 2 concentrations, thereby demonstrating the impact of CO 2 concentrations on carbonation efficiency. Column experiments determined CO 2 diffusion limitations for CaO deposits ≥0.5 cm, yielding 64 ± 2 wt% CaCO 3 and an average CO 2 removal rate of 32 kg CO 2 /m 2 /yr (24 days; 85–95% RH). Finally, the CO 2 removal efficiency of CaO plot areas was estimated, revealing the importance of scaling CO 2 supply in concert with increasing CO 2 removal that results from greater thicknesses and masses.

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 enseignants0,242
Score d'incertitude au seuil0,748

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,235
Écart entre enseignants0,224 · 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

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cleaner ProductionMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207