MétaCan
Menu
Retour à la cohorte
Enregistrement W2010692024 · doi:10.1002/aic.11403

CaCo<sub>3</sub> supported Co‐Fe catalysts for carbon nanotube synthesis in fluidized bed reactors

2008· article· en· W2010692024 sur OpenAlexfundno aff
Chee Howe See, Andrew T. Harris

Notice bibliographique

RevueAIChE Journal · 2008
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of SydneyOntario Ministry of Natural Resources and Forestry
Mots-clésCatalysisFluidized bedCarbon nanotubeCobaltThermogravimetric analysisChemical engineeringCarbon fibersFluidizationMaterials scienceCitric acidSubstrate (aquarium)HydrolysisYield (engineering)ChemistryNanotechnologyMetallurgyOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract The synthesis of carbon nanotubes (CNTs) on a cobalt‐iron (Co‐Fe) catalyst supported on a calcium carbonate (CaCO3) substrate, contained within a fluidized bed was investigated for the first time. CaCO3 supported catalysts, prepared using traditional wet impregnation techniques result in a soft and sticky powder requiring special arrangements to ensure satisfactory fluidization. A modified method developed using citric acid complex resulted in CaCO3 supported catalysts that can be classically fluidized without special arrangements. The issue of Fe3+ (aq) hydrolysis above its critical pH of ∼3.5 was also addressed. A carbon yield consistently greater than 10 times the weight of the catalyst metal loading was obtained. Thermogravimetric analysis coupled with mass spectrometry showed a single peak centered on 575°C, with no peaks below 400°C, indicating that an insignificant quantity of amorphous carbon was present. Transmission electron microscopy verified that the products contained a large proportion of CNTs. © 2008 American Institute of Chemical Engineers AIChE J 2008

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 seuil0,004

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,020
Tête enseignante GPT0,255
Écart entre enseignants0,235 · 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

Citations26
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetCarbon Nanotubes in CompositesTravaux en français237 207