MétaCan
Menu
Retour à la cohorte
Enregistrement W2068004007 · doi:10.1021/ie071330w

Effect of the Spilt-Over Hydrogen Species on the Product Yields of the Hybrid Catalysts Used in the Thermocatalytic Cracking (TCC) Process for the Production of Light Olefins

2008· article· en· W2068004007 sur OpenAlexafffund
R. Le Van Mao, N. T. Vu, N. Al-Yassir, Haitao Yan

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis and Hydrodesulfurization Studies
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCatalysisCrackingCokeChemistryHydrogenEthyleneAdsorptionChemical engineeringFluid catalytic crackingOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The supported Ni co-catalyst surface of the thermocatalytic cracking (TCC) hybrid catalyst produces very active hydrogen species. Such species, once transferred (spilt-over) onto the surface of the main catalyst component (cracking sites), interact with the adsorbed reaction intermediates, resulting in a decreased formation of coke precursors (polynuclear aromatics) and the dearomatization/ring-opening of some heavy compounds of the feed. Simultaneously, there is a significant increase in the product yields of light olefins, particularly ethylene and propylene. Analysis of reaction products after 10 h of continuous reaction shows the very significant effects of these co-catalysts on heavy feedstocks such as vacuum gas oils, although the amounts of these (spilt-over) hydrogen species are very small, in comparison to the molecular hydrogen produced by the cracking reactions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,123
Score d'incertitude au seuil0,382

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,076
Tête enseignante GPT0,301
Écart entre enseignants0,225 · 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 tête enseignante, 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

Citations9
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetCatalysis and Hydrodesulfurization StudiesTravaux en français237 207