MétaCan
Menu
Retour à la cohorte
Enregistrement W2332608459 · doi:10.1021/ef2013562

Catalytic Activity of Various 5 wt % Ni/Ce<sub>0.5</sub>Zr<sub>0.33</sub>M<sub>0.17</sub>O<sub>2−δ</sub>Catalysts for the CO<sub>2</sub>Reforming of CH<sub>4</sub>in the Presence and Absence of Steam

2011· article· en· W2332608459 sur OpenAlexaff
Ataullah Khan, Thitinat Sukonket, Bappy Saha, Raphael Idem

Notice bibliographique

RevueEnergy & Fuels · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésCatalysisNickelSteam reformingTernary operationTransition metalMetalDispersion (optics)OxideMethaneCubic zirconiaChemistryInorganic chemistryRedoxMaterials scienceMethane reformerOxygenOxygen storageChemical engineeringMetallurgyHydrogen productionOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Catalysts derived from ceria–zirconia-based ternary oxide supports by impregnation with nickel, and having a nominal composition of 5 wt % Ni/Ce 0.5 Zr 0.33 M 0.17 O 2−δ (where M is either a transition (Ts) metal, non-Ts metal, or inner-Ts metal), were prepared and evaluated for the CO 2 reforming of CH 4 in the presence and absence of steam. The textural, structural, redox, physicochemical, and surface characteristics of the supports as well as whole catalysts were correlated with catalyst activity for the CO 2 reforming of methane in the presence and absence of steam, in an attempt to evaluate the potential of the existence of structure/activity relationships (SARs). The results show that a higher oxygen storage capacity (OSC), pore volume/surface area, reducibility, nickel dispersion and surface nickel content lead to an increase in the activity of the catalysts for the above processes. Among the various catalysts tested, the 5 wt % Ni/Ce 0.5 Zr 0.33 M 0.17 O 2−δ catalyst formulations, with M = Ca, La, and Y, exhibit the highest activity for CO 2 reforming of CH 4 both in the presence and in the absence of steam for the reason that they exhibited the overall highest values of the identified characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Science ouverte
Catégories consensuellesMéta-épidémiologie (sens strict)
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 enseignants0,017
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,003
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,005
Communication savante0,0010,003
Science ouverte0,0060,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,241
Écart entre enseignants0,222 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations27
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207