MétaCan
Menu
Retour à la cohorte
Enregistrement W7083591339 · doi:10.1016/j.ijggc.2025.104472

Experimentation of a novel sequential moving-bed DAC System

2025· article· en· W7083591339 sur OpenAlexafffund

Notice bibliographique

RevueInternational journal of greenhouse gas control · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueNonlinear Partial Differential Equations
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversité de Sherbrooke
Mots-clésSorbentScalabilityAdsorptionEfficient energy useSorptionCarbon fibersDuty cycleGreenhouse gas

Résumé

récupéré en direct d'OpenAlex

Solid sorbent Direct Air Capture (DAC) technologies face significant challenges due to the high energy demands associated with adsorption and regeneration phases. Overcoming these limitations is essential to improve the scalability and sustainability of carbon removal solutions. This study investigates the performance of a novel sequential moving-bed (SMB) DAC architecture that utilizes solid sorbent cells circulating through three distinct zones: adsorption, regeneration, and heat exchange, in order to increase system duty cycle and allow for heat recovery between sorption and desorption. The primary objective is to evaluate the energy and capture performance of this configuration in comparison to a conventional fixed-bed system, using the same sorbent under the same operating conditions. Compared to a conventional fixed-bed system, the SMB configuration increased CO 2 uptake by nearly 30% while reducing total energy intensity by more than 35%, to just over 1000 Wh/kgCO 2 . These gains are attributed to reduced sorbent working mass, lower pressure drops, and efficient heat recovery. The findings highlight the potential of the SMB approach to enhance the performance and energy efficiency of DAC systems, offering a pathway toward more sustainable and scalable carbon removal solutions. • CO 2 uptake increased by more than 30% with the sequential moving-bed process. • Energy intensity decreased by over 35% with the sequential moving-bed process. • Energy intensity reduced to near 1000 Wh/kgCO 2 with the sequential moving-bed.

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)0,001
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: aucune
Score de désaccord entre enseignants0,512
Score d'incertitude au seuil0,531

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0000,000
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 Opus0,040
Tête enseignante GPT0,355
Écart entre enseignants0,315 · 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 revueInternational journal of greenhouse gas controlMême sujetNonlinear Partial Differential EquationsTravaux en français237 207