MétaCan
Menu
Retour à la cohorte
Enregistrement W2289739551 · doi:10.1002/cjce.22457

Catalytic conversion of glycerol to acrolein over MCM‐41 by the grafting of phosphorus species

2016· article· en· W2289739551 sur OpenAlexvenueno aff
Tianlin Ma, Jianfei Ding, Rong Shao, Zhi Yun

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésAcroleinChemistryGlycerolCatalysisMesoporous materialAdsorptionMCM-41Nuclear chemistryPhosphoric acidPyridineBrønsted–Lowry acid–base theoryFourier transform infrared spectroscopyInorganic chemistryCalcinationOrganic chemistryChemical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract The gas‐phase dehydration of aqueous glycerol to acrolein was investigated using phosphorus‐containing MCM‐41 (HP‐MCM‐41) mesoporous molecular sieves, which were prepared via impregnation of phosphoric acid on the MCM‐41. The catalysts were characterized by XRD, nitrogen adsorption‐desorption, FTIR, NH 3 ‐TPD, and pyridine‐FTIR measurements. Nitrogen adsorption studies suggested that the uniform framework of MCM‐41 remained unchanged even after grafting phosphorus species on its surface. NH 3 ‐TPD analysis confirmed that moderate acidic sites had a positive effect on the formation of acrolein. Pyridine‐FTIR results indicated that MCM‐41 with grafted phosphorus species can noticeably enhance the percentage of Brønsted acid sites. Moreover, Brønsted acid sites facilitated the production acrolein selectively confirmed by catalytic results. The effects of H 3 PO 4 loading, calcination temperature, reaction temperature, and glycerol concentrations were also examined. The optimized 25HP‐MCM‐41 catalyst showed an 84 % selectivity of acrolein with glycerol conversion of 97 % at 320 °C.

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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,163
Écart entre enseignants0,159 · 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

Citations14
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCatalysis for Biomass ConversionTravaux en français237 207