MétaCan
Menu
Retour à la cohorte
Enregistrement W2415718531 · doi:10.1021/acsami.5b03985

Novel Ordered Mesoporous Carbon Based Sulfonic Acid as an Efficient Catalyst in the Selective Dehydration of Fructose into 5-HMF: the Role of Solvent and Surface Chemistry

2015· article· en· W2415718531 sur OpenAlexaff
Babak Karimi, Hamid M. Mirzaei, Hesam Behzadnia, Hojatollah Vali

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensMcGill University
Organismes subventionnairesInstitute for Advanced Studies in Basic SciencesIran National Science Foundation
Mots-clésYield (engineering)DehydrationMesoporous materialCatalysisFructoseAqueous solutionSulfonic acidIonic liquidSolventChemistryCarbon fibersOrganic chemistryMaterials scienceBiochemistryComposite number

Résumé

récupéré en direct d'OpenAlex

Novel ionic liquid derived ordered mesoporous carbons functionalized with sulfonic acid groups IOMC-ArSO3H and GIOMC-ArSO3H were prepared, characterized, and examined in the dehydration reaction of fructose into 5-hydroxymethylfurfural (5-HMF) both in aqueous and nonaqueous systems. To study and correlate the surface properties of these carbocatalysts and some other SBA-15 typed solid acids with 5-HMF yield, hydrophilicity index (H-index) were employed in the fructose dehydration. Our study systematically declared that almost a criterion may be expected for application of solid acids in which by increasing H-index value up to 0.8 the HMF yield enhances accordingly. More increase in H-index up to 1.3 did not change the HMF yield profoundly. Although, it has been shown that the catalyst with larger H-index (∼1.3) resulted in higher activity both in aqueous and 2-propanol systems, during the recycling process deactivation occurs because of more water uptake and the catalysts with optimum amount of H-index (∼0.8) is more robust in the dehydration of fructose.

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 seuil0,002

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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,201
Écart entre enseignants0,196 · 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

Citations78
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetCatalysis for Biomass ConversionTravaux en français237 207