MétaCan
Menu
Retour à la cohorte
Enregistrement W1833274019 · doi:10.1002/cplu.201500302

A Highly Water‐Dispersible/Magnetically Separable Palladium Catalyst: Selective Transfer Hydrogenation or Direct Reductive N‐Formylation of Nitroarenes in Water

2015· article· en· W1833274019 sur OpenAlexaff
Babak Karimi, Fariborz Mansouri, Hojatollah Vali

Notice bibliographique

RevueChemPlusChem · 2015
Typearticle
Langueen
DomaineChemistry
ThématiqueNanomaterials for catalytic reactions
Établissements canadiensMcGill University
Organismes subventionnairesInstitute for Advanced Studies in Basic SciencesIran National Science Foundation
Mots-clésFormylationCatalysisPalladiumChemistryTransfer hydrogenationMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Simple ion exchange of the chloride anion of an ionic‐liquid‐functionalized magnetic nanoparticle with [PdCl4]2− provided a highly water‐dispersible and magnetically separable palladium catalyst that exhibited excellent activity toward transfer hydrogenation reactions in water as a solvent. The catalyst demonstrated outstanding performance in aqueous‐phase transfer hydrogenation of various nitroarenes in a highly chemo‐ and regioselective manner by using HCOONH4 as a low‐cost, green, and easily available hydrogen donor. Also, by using only 0.25 mol % of the catalyst and formic acid as both a hydrogen donor and formylating agent, the catalyst showed excellent activity in the one‐pot, direct synthesis of N‐arylformamides from nitroarenes in water as a solvent. Notably, owing to the presence of a hydrophilic ionic liquid on the surface of silica‐coated iron oxide nanoparticles, the catalyst showed highly stable dispersion in water, as evidenced by the zeta potential and extremely low affinity to the organic phase. These features make this catalyst system suitable for an efficient double‐separation strategy (successive extraction/final magnetic separation). The recovered aqueous phase containing the catalyst can be simply and efficiently reused in eight runs without a decrease in activity and can be easily separated from the aqueous phase at the end of the process by applying an external magnetic field.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,245
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), 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

Citations49
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemPlusChemMême sujetNanomaterials for catalytic reactionsTravaux en français237 207