MétaCan
Menu
Retour à la cohorte
Enregistrement W2330034441 · doi:10.1021/ie500344v

Photocatalytic Hydrodechlorination of Trace Carbon Tetrachloride (CCl<sub>4</sub>) in Aqueous Medium

2014· article· en· W2330034441 sur OpenAlexaff
William K. O’Keefe, Yin Liu, Michael Sasges, Michael S. Wong, Fu Han, Tsuyoshi Takata, Kazunari Domen

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2014
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensWestern UniversityTrojan Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhotocatalysisCarbon tetrachlorideAqueous solutionTRACE (psycholinguistics)ChemistryAqueous mediumCarbon fibersEnvironmental chemistryInorganic chemistryCatalysisMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The technical feasibility of the photocatalytic hydrodechlorination of CCl 4 utilizing H 2 produced in situ from photocatalytic water splitting was investigated using multifunctional Pd–NiO/NaTaO 3:La catalysts and a O/NaTaO 3:La + Pd–Au/IX (ion-exchange resin) mixture-of-catalysts approach. In the former case, the incorporation of Pd into the water-splitting photocatalyst resulted in the reduction of H 2 evolution by 3 orders of magnitude. However, the multifunctional catalyst exhibited a remarkable activity for CCl 4 removal. The important catalyst parameters were elucidated by the response surface methodology. The Ni and Pd loadings and the catalyst reduction temperature had significant, nonlinear effects on the catalyst activity, indicating that both NiO and Pd nanoparticles play important roles in the photocatalytic hydrodechlorination of CCl 4 . The strong dependence of the turnover frequency on the catalyst parameters that govern the dispersion of the catalytic phases implies that the reaction is structure-sensitive.

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)0,0000,000
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)0,0010,000

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 Opus0,039
Tête enseignante GPT0,302
Écart entre enseignants0,263 · 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

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207