MétaCan
Menu
Retour à la cohorte
Enregistrement W2316090924 · doi:10.1021/je400874d

Thermal Behavior of Potassium C<sub>1</sub>–C<sub>12</sub> <i>n</i>-Alkanoates and Its Relevance to Fischer–Tropsch

2014· article· en· W2316090924 sur OpenAlexaff
Ly H. Bui, Arno de Klerk

Notice bibliographique

RevueJournal of Chemical & Engineering Data · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésChemistryPotassiumMelting pointFischer–Tropsch processThermal stabilityInorganic chemistryCatalysisOrganic chemistrySelectivity

Résumé

récupéré en direct d'OpenAlex

Abstract The thermal behavior of potassium C1–C12n-alkanoates (K-carboxylates) were studied over the temperature range T/K = (243 to 873). A number of problems in industrial Fischer–Tropsch facilities were attributed to these compounds, but this study also revealed some beneficial effect that may directly be related to the thermal behavior of potassium methanoate. The unusually low melting point of potassium methanoate, T/K = (442.2 ± 0.3), combined with its thermal stability to T/K ≈ (693), may explain the ease of distribution of the potassium promoter of iron-based Fischer–Tropsch catalysts during synthesis even when potassium promoter is added separately. The C2–C12 K-carboxylates were all thermally stable at temperatures T/K ≤ (713), and significant mass loss was not observed at T/K ≤ (748). The thermal stability and high melting point of potassium propanoate, T/K = (636.9 ± 0.3) and potassium butanoate, T/K = (623.1 ± 0.3), in particular caused these compounds to be prone to cause pressure drop problems in refining units. The C4–C12 K-carboxylates melted to a liquid crystal phase first, before clearing at higher temperature. One or more solid–solid transitions were observed in all of the K-carboxylates, with the exception of potassium hexanoate.

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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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)0,0020,000

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 Opus0,009
Tête enseignante GPT0,201
Écart entre enseignants0,192 · 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

Citations15
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical & Engineering DataMême sujetCatalysis for Biomass ConversionTravaux en français237 207