Advancements in Carbon Capture, Utilization, and Storage (CCUS): A Comprehensive Review of Technologies and Prospects
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle