Activity and Selectivity of Nanostructured Sulfur-Doped Pd/SBA-15 Catalyst for Vegetable Oil Hardening
Notice bibliographique
Résumé
Sunflower and canola oils were hardened over a novel sulfur-promoted Pd catalyst. The formulated catalyst comprised of 0.7 wt % palladium nanoparticles promoted with 0.3 wt % sulfur highly dispersed on mesoporous silica SBA-15 (0.7% Pd−0.3% S/SBA-15). The effect of temperature (80−130 °C) and H 2 pressure (3.6−9.3 atm) on the activity, selectivity, and trans (TFA) and saturated (SFA) fatty acids formation were studied for both oils. Under similar temperature and H 2 -pressure conditions, sunflower and canola oils exhibited different reactivities toward hydrogenation. For both oils, the activity of the catalyst increased with the temperature and with the pressure. However, increasing the temperature raised the levels of trans C18:1 especially at low hydrogen pressure. Partial hydrogenation of both oils from initial iodine (IV o ) values of 120−130 to a final value of 90 with the sulfur-doped Pd catalyst yielded modified oils with a low TFA level (6%) and also controlled the formation of SFA (∼7%) under mild temperature conditions (80 °C) and relatively moderate hydrogen pressure (9 atm). The sulfur-doped Pd catalyst proved to be versatile and more active than the Pd catalyst using similar Pd loading and reaction conditions but slightly less selective toward monoene formation. It was found that the intraparticle diffusion limitation for triglycerides does not occur during the hydrogenation of vegetable oils, but the hydrogen transfer limitation cannot be neglected and could partially explain the formation of trans -fatty acids. Modulating the Weisz−Prater modulus used to demonstrate the presence of H 2 intraparticle gradients could be a criterion to control the hydrogenation and cis−trans isomerization activities.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».