Effect of Cocatalysts and Solvent on Selective Ethylene Oligomerization
Notice bibliographique
Résumé
Ethylene oligomerization activities of chromium catalysts stabilized by different dipyrrole-based ancillary ligands, [(Ph 2 C(C 4 H 4 N) 2 )] ( 2 ), [Ph 2 C(C 4 H 4 N)(C 5 H 6 N)] ( 3 ), [(Et) 2 C(C 4 H 4 N) 2 ] ( 4 ), and [(C 6 H 5 )(C 5 H 4 N)C(C 4 H 4 N)(C 5 H 6 N)] ( 5 ), have been investigated using different activation methods, and the results have been compared with the commercial Chevron–Phillips ethylene trimerization system. Upon activation with triethylaluminum (TEA), chromium catalysts stabilized by dipyrrole-based ligands 2 – 5 showed a lower activity and selectivity compared to the Chevron–Phillips trimerization system based on 2,5-dimethylpyrrole ( 1 ) as the ancillary ligand. However, unprecedented increases in both activity and selectivity have been observed by carrying out the oligomerization in methylcyclohexane using depleted-methylaluminoxane (DMAO) along with triisobutylaluminum (TIBA) (1:2 ratio) as cocatalyst system under mild conditions, even for the Chevron–Phillips system itself. Well-defined chromium complexes, [(Ph 2 C(C 4 H 3 N) 2 )Cr(Cl)(THF) 3 ] ( 6 ) and {[Ph 2 C(C 4 H 3 N)(C 5 H 6 N]Cr(THF)(μ-Cl)} 2 ( 7 ), have been synthesized and fully characterized. Upon activating with MAO, catalyst 7 produced a statistical distribution of oligomers, whereas under identical oligomerization conditions catalyst 6/ MAO was found to be inactive. The use of MeAlCl 2 as cocatalyst to activate 7 resulted in the switching of the catalyst’s behavior from producing a statistical distribution of LAOs to the selective trimerization of ethylene to 1-hexene. The addition of dialkylzinc along with MAO resulted in an unprecedented activity increase.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».