Molybdenum Carbide Nanocatalysts at Work in the in Situ Environment: A Density Functional Tight-Binding and Quantum Mechanical/Molecular Mechanical Study
Notice bibliographique
Résumé
Heterogeneous reactions catalyzed by transition-metal-containing nanoparticles represent a crucial type of reaction in chemical industry. Because of the existing gap in understanding heterogeneous catalysis between a cluster of a few atoms and a bulk model of periodic slabs, reactions catalyzed by transition-metal-containing nanoparticles are still not well understood. Herein, we provide a multiscale modeling approach to study the benzene hydrogenation reactions on molybdenum carbide nanoparticles (MCNPs) in the process of in situ heavy oil upgrading. By coupling the quantum mechanical (QM) density functional tight-binding (DFTB) method with a molecular mechanical (MM) force field, a QM/MM model was built to describe the reactants, the nanoparticles and the surroundings. Umbrella sampling (US) was used to calculate the free energy profiles of the benzene hydrogenation reactions in a model aromatic solvent in the in situ heavy oil upgrading conditions. By comparing with the traditional method in computational heterogeneous catalysis, the results reveal new features of the metallic MCNPs. Rather than being rigid, they are very flexible under working condition due to the entropic contributions of the MCNPs and the solvent, which greatly affect the free energy profiles of these nanoscale heterogeneous reactions.
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 | 0,000 |
| 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) | 0,000 | 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 ».