Kinetic study of the hydrogenation of a monoterpene over spent FCC catalyst‐supported nickel
Notice bibliographique
Résumé
A feasible route toward the sustainable synthesis of chemicals was provided via the transformation of monoterpene pinenes into pinane. This article discusses the conversion of pinenes to pinane over spent fluid catalytic cracking catalyst (SFCCC)‐supported nickel (Ni/SFCCC) at 110–130 °C and 2–6 MPa. The Ni/SFCCC catalyst was characterized by BET, XRD, SEM‐EDS, ICP, and FTIR. These measurements revealed that not only did the noble metal‐free catalyst Ni/SFCCC enhance the hydrogenation of pinenes to pinane, but a high cis‐trans ratio was also obtained: the conversion of pinenes and the cis‐trans ratio reached 98.48 % and 13.89, respectively. By fitting the kinetic data via the power‐law model, the hydrogenation of pinenes followed first‐order reaction kinetics, with the apparent activation energies for the hydrogenation of pinenes to cis‐ and trans‐pinane being 59.42 kJ/mol and 98.38 kJ/mol, respectively. The kinetic models described the formation of cis‐ and trans‐pinane well, with satisfactory accuracy compared to experimental observations. Furthermore, the reaction mechanism was derived via the Langmuir–Hinshelwood (L‐H) approach.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».