项目名称: 面向CO2捕获的多孔框架材料的合成及性能研究

项目编号: No.21271172

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 袁大强

作者单位: 中国科学院福建物质结构研究所

项目金额: 80万元

中文摘要: 二氧化碳(CO2)是一种主要的温室气体,我国承担着巨大的减排压力与责任。发展适合我国国情的碳捕获、利用与封存(CCUS)技术具有重大的实用意义。本课题针对CCUS过程中的CO2捕获环节,开发新型高效的固态CO2吸附材料。本课题以金属有机框架(MOFs)和多孔有机聚合物网络(PPNs)材料为研究对象,同时以共价键的形式将与CO2有强相互作用的脂肪胺基团引入到框架材料的孔道中,同时利用物理吸附与化学吸附作用来加强多孔材料的CO2吸附能力,增加CO2吸附容量和吸附选择性。与现有的CO2捕获材料相比,我们的创新之处在于利用了物理-化学协同作用来加强CO2的捕获能力。经过4年的努力,预计将筛选出2到3种新型高效具有实用价值的CO2吸附材料,发表SCI收录论文12-15篇,培养4-6名研究生。本项目的开展,可以推动提高我国在设计合成固态多孔CO2捕获材料方面的竞争力,为我国的节能减排工作作出贡献。

中文关键词: 多孔材料;金属有机框架材料;多孔有机聚合物网络;二氧化碳捕获;

英文摘要: Carbon dioxide (CO2) is an important greenhouse gas, and China is facing the great pressure and liability in reducing the rapid increasing emission of CO2 resulted from the rapid industrialization. It is strategically important to develop the technologies of Carbon Capture, Usage and Storage (CCUS) according to the situation of China. This proposal is aiming at the CO2 capture in CCUS process to develop the new solid CO2 adsorbent with high adsorption capacity. Among a variety of promising CO2 adsorbent candidates, porous metal-organic frameworks (MOFs) and porous polymer networks (COFs) materials currently stand at the forefront to achieve the target for CO2 capture. MOFs and PPNs are a kind of newly emerged porous materials. Its novel properties, such as uniform yet controllable pore size and pore size distribution, extremely high surface area, tailorable pore wall chemical property, etc. make them good substitute for the traditional adsorbents for CO2 capture. This proposal focuses on the porous framework materials which are modified by aliphatic amine by covalent bonds. The aminated porous materials can combine the physical adsorption and chemical adsorption to enhance the interaction between pores and CO2 molecules and increase the CO2 adsorption capacity and selectivity. This investigation will clarify the

英文关键词: Porous materials;metal-organic frameworks;porous organic polymer networks;dioxide capture;

成为VIP会员查看完整内容
0

相关内容

全球能源转型及零碳发展白皮书
专知会员服务
39+阅读 · 2022年3月1日
【AAAI2022】用于视觉常识推理的场景图增强图像-文本学习
专知会员服务
48+阅读 · 2021年12月20日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
40+阅读 · 2021年5月24日
专知会员服务
39+阅读 · 2021年5月12日
专知会员服务
21+阅读 · 2021年3月9日
【WWW2021】用于常识知识提取的高级语义
专知会员服务
11+阅读 · 2021年2月16日
《人工智能安全框架(2020年)》白皮书,68页pdf
专知会员服务
164+阅读 · 2021年1月9日
【CVPR2020-CMU】无数据模型选择,一种深度框架潜力
专知会员服务
22+阅读 · 2020年4月12日
使用深度学习,通过一个片段修饰进行分子优化
论文浅尝 | 用于视觉推理的显式知识集成
开放知识图谱
0+阅读 · 2021年10月26日
出行即服务(MAAS)框架
智能交通技术
53+阅读 · 2019年5月22日
高分子材料领域的十大院士!
材料科学与工程
19+阅读 · 2018年9月18日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
小贴士
相关主题
相关VIP内容
全球能源转型及零碳发展白皮书
专知会员服务
39+阅读 · 2022年3月1日
【AAAI2022】用于视觉常识推理的场景图增强图像-文本学习
专知会员服务
48+阅读 · 2021年12月20日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
40+阅读 · 2021年5月24日
专知会员服务
39+阅读 · 2021年5月12日
专知会员服务
21+阅读 · 2021年3月9日
【WWW2021】用于常识知识提取的高级语义
专知会员服务
11+阅读 · 2021年2月16日
《人工智能安全框架(2020年)》白皮书,68页pdf
专知会员服务
164+阅读 · 2021年1月9日
【CVPR2020-CMU】无数据模型选择,一种深度框架潜力
专知会员服务
22+阅读 · 2020年4月12日
相关资讯
使用深度学习,通过一个片段修饰进行分子优化
论文浅尝 | 用于视觉推理的显式知识集成
开放知识图谱
0+阅读 · 2021年10月26日
出行即服务(MAAS)框架
智能交通技术
53+阅读 · 2019年5月22日
高分子材料领域的十大院士!
材料科学与工程
19+阅读 · 2018年9月18日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员