Cu‐based mixed metal oxide catalysts for WGSR: Reduction kinetics and catalytic activity
Notice bibliographique
Résumé
Abstract This communication reports the effects of Mn/Cr on the reducibility and catalytic activity of Cu–Fe–Mn and Cu–Fe–Cr mixed oxide catalysts for the water gas shift reaction (WGSR). The reduction kinetics of the mixed oxide catalysts is investigated using TPR data, nucleation/nuclei growth models, and a power law model. Based on the statistical indicators, it is concluded that a second‐order power law model describes the reduction of all catalysts adequately. The estimated activation energy for the reduction of the Cu–Fe–Mn catalyst is low compared to the Cu–Fe–Cr catalyst. The TPR analysis of the catalysts reveals that the addition of Mn significantly improved the reducibility of Cu‐oxide species, which is consistent with the low activation energy for reduction of the Cu–Fe–Mn catalyst. In a flow type reactor, the Cu–Fe–Mn catalyst showed highest CO conversion at around 220°C, achieving a high specific reaction rate compared to the Cu–Fe–Cr catalyst. The enhanced reducibility of Cu–Fe–Mn catalyst played the key role in the high conversion of CO. These results are comparable with the results obtained for a commercial Cu–ZnO/Al 2 O 3 catalyst, which was evaluated under the same reaction conditions.
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 | 0,000 |
| 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) | 0,000 | 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 ».