Advancements in Carbon Capture, Utilization, and Storage (CCUS): A Comprehensive Review of Technologies and Prospects
Notice bibliographique
Résumé
Carbon dioxide (CO2) is the most significant anthropogenic greenhouse gas (GHG), accounting for approximately 81% of total emissions, with methane (CH4), nitrous oxide (N2O), and fluorinated gases contributing the remainder. Rising atmospheric CO2 concentrations, driven primarily by fossil fuel combustion, industrial processes, and transportation, have surpassed the Earth’s natural sequestration capacity, intensifying climate change impacts. Carbon Capture, Utilization, and Storage (CCUS) offers a portfolio of solutions to mitigate these emissions, encompassing pre-combustion, post-combustion, oxy-fuel combustion, and direct air capture (DAC) technologies. This review synthesizes advancements in CO2 capture materials including liquid absorbents (amines, amino acids, ionic liquids, hydroxides/carbonates), solid adsorbents (metal–organic frameworks, zeolites, carbon-based materials, metal oxides), hybrid sorbents, and emerging hydrogel-based systems and their integration with utilization and storage routes. Special emphasis is given to CO2 mineralization using mine tailings, steel slag, fly ash, and bauxite residue, as well as biological mineralization employing carbonic anhydrase (CA) immobilized in hydrogels. The techno-economic performance of these pathways is compared, highlighting that while high-capacity sorbents offer scalability, hydrogels and biomineralization excel in low-temperature regeneration and integration with waste valorization. Challenges remain in cost reduction, material stability under industrial flue gas conditions, and integration with renewable energy systems. The review concludes that hybrid, cross-technology CCUS configurations combining complementary capture, utilization, and storage strategies will be essential to meeting 2030 and 2050 climate targets.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».