MétaCan
Menu
Retour à la cohorte
Enregistrement W2343949472 · doi:10.1039/c6dt00982d

Synthesis and catalytic application of palladium nanoparticles supported on kaolinite-based nanohybrid materials

2016· article· en· W2343949472 sur OpenAlexaff
Gaëlle Ngnie, Gustave Kenne Dedzo, Christian Detellier

Notice bibliographique

RevueDalton Transactions · 2016
Typearticle
Langueen
DomaineChemistry
ThématiqueCatalytic Cross-Coupling Reactions
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPalladiumCatalysisNanoparticleKaoliniteHeck reactionMaterials scienceChemistryChemical engineeringNanotechnologyOrganic chemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

Palladium nanoparticles (PdNPs) were deposited on the surface of the modified clay mineral, kaolinite. To improve compatibility, abundance and control of the size of the nanoparticles, kaolinite was modified by the grafting of an amino alcohol (triethanolamine (TEA)) and an ionic liquid (1-(2-hydroxyethyl)-3-methylimidazolium (ImIL)). Characterization techniques (XRD, TGA, solid state (13)C NMR and FTIR spectroscopy) confirmed the effective grafting of these compounds on the internal surface of kaolinite. After the synthesis of PdNPs onto clay particles, TEM allowed the visualization of abundant PdNPs with sizes ranging from 4 to 6 nm, uniformly distributed onto the platelets of modified kaolinite. Unmodified clay showed low abundance and random distribution of the nanoparticles. The catalysts obtained were effective for the catalytic reduction of 4-nitrophenol (4-NP), the material with TEA being the most effective. These materials have exhibited excellent performance during the Heck and particularly the Suzuki-Miyaura coupling reactions, with reaction yields up to 100%. These catalysts showed a very slight loss in activity for three consecutive catalytic cycles (less than 10% decrease of the activity compared to the first cycle). This was an evidence that the prior grafting modification of kaolinite helps in significantly improving the quality of the synthesized NPs and also promotes their strong attachment onto the clay mineral surface.

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 enseignants0,001
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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,012
Tête enseignante GPT0,246
Écart entre enseignants0,234 · 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

Citations57
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDalton TransactionsMême sujetCatalytic Cross-Coupling ReactionsTravaux en français237 207