MétaCan
Menu
Retour à la cohorte
Enregistrement W1969833252 · doi:10.1021/cm703208w

Separable Catalysts in One-Pot Syntheses for Greener Chemistry

2008· article· en· W1969833252 sur OpenAlexafffund
Raed Abu‐Reziq, Dashan Wang, Michael L. Post, Howard Alper

Notice bibliographique

RevueChemistry of Materials · 2008
Typearticle
Langueen
DomaineChemistry
ThématiqueChemical Synthesis and Reactions
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSasol
Mots-clésCatalysisChemistryPalladiumPolystyreneFiltration (mathematics)Heterogeneous catalysisMagnetic separationChemical engineeringOrganic chemistryInorganic chemistryMaterials sciencePolymer

Résumé

récupéré en direct d'OpenAlex

A method that enables the separation between two different catalytic solids used in one-pot reactions is described. Such separation between the two catalytic solids can facilitate their reuse in other catalytic applications and make the synthesis cheap and greener. The method is based on doping one of the catalysts with magnetic nanoparticles, which can make it magnetically separable while the other solid can be separated by filtration. The magnetically separable catalytic solid is designed by a sol–gel process in which a palladium catalyst is encapsulated in a silica sol–gel-modified polyethylenimine composite in the presence of magnetic nanoparticles modified with ionic liquid groups. The other catalytic solid utilized in this study is a solid acid based on cross-linked polystyrene sulfonic acid and can be separated by simple filtration. The two catalytic solids are utilized in one-pot reactions of dehydration/hydrogenation of benzyl alcohols. After reaction, the palladium-based catalyst is separated by applying an external magnetic field and the solid acid is separated by filtration. The magnetically separable palladium-based catalyst is reused after utilization in a one-pot reaction to catalyze three different types of reactions: carbonylation of iodoarenes, Suzuki, and Heck coupling.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,042
Tête enseignante GPT0,246
Écart entre enseignants0,204 · 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

Citations94
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemistry of MaterialsMême sujetChemical Synthesis and ReactionsTravaux en français237 207