Stainless Steel As a Catalyst for the Total Deoxygenation of Glycerol and Levulinic Acid in Aqueous Acidic Medium
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Exposing 316 Stainless Steel pressure reactor bodies to an aqueous Brønstedt acidic solution (trifluoromethane sulfonic acid) at elevated temperatures (100−250 °C) under reducing atmosphere (hydrogen gas at 800 psi) leads to the formation of insoluble inorganic precipitates, identified as mixed chromium oxides by scanning electron microscopy X-ray fluorescence (SEM-XRF). A catalytically active metal surface is generated, that is, under these conditions the <100 Ǻ thick chromium oxide layer that normally passivates 316 Stainless Steel (316SS) against corrosion is etched away, and the reactor body itself becomes an active hydrogenation catalyst. The effect is specific to aqueous acidic medium and therefore water-soluble substrates as encountered in biomass conversion, for example, sugar alcohols and levulinic acid, which can be deoxygenated to the corresponding alkanes and alkenes using only a Brønstedt acid and the reactor body as the catalyst. Control experiments in several different 316SS reactors built by different manufacturers from different batches of 316SS as well as inductively coupled plasma optical emission spectroscopy (ICP-OES) and mass spectrometry (ICP-MS) analysis of the chromium oxide precipitates formed and steel samples from the reactor body itself indicate that the catalytic activity is not caused by trace amounts of ruthenium or another hydrogenating metal such as Re, Rh, Ir, Pd, or Pt. The observed catalytic activity scales with the concentration of acid and the addition of 316SS added to the reaction mixture as a powder conclusively establishing 316SS as the active catalyst.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle