MétaCan
Menu
Retour à la cohorte
Enregistrement W2509743306 · doi:10.1002/cjce.22656

Thermodynamics and kinetics of transesterification reactions to produce diphenyl carbonate from dimethyl carbonate catalyzed by tetrabutyl titanate and dibutyltin oxide

2016· article· en· W2509743306 sur OpenAlexvenueno aff
Weizhen Sun, Shao Jianqiang, Zhenhao Xi, Ling Zhao

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2016
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCarbon dioxide utilization in catalysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransesterificationDimethyl carbonateDiphenyl carbonateAnisoleChemistryCatalysisDisproportionationPhenolCarbonateDiethyl carbonatePolycarbonateMethanolInorganic chemistryOrganic chemistryEthylene carbonatePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The transesterification reactions to diphenyl carbonate (DPC) from dimethyl carbonate (DMC) and phenol are the key steps to the green production of polycarbonate polymers (PC). The transesterification equilibrium constants were determined under temperatures from 453.2 to 493.2 K, and the reaction kinetics catalyzed by single tetrabutyl titanate, dibutyltin oxide, and their combinations was measured. By taking into account the effect of catalyst, the simplified kinetic model was developed involving the transesterification of DMC and methyl phenyl carbonate (MPC) with phenol, the disproportionation of MPC, and the formation of byproduct anisole. The kinetic model fitted experiments well under various temperatures and had an excellent predictive ability on the effect of catalyst concentrations. The reverse reaction of MPC transesterification with phenol, as well as that of the disproportionation of MPC, was found to be independent of temperatures within the investigated conditions. The thermodynamic information and kinetic model reported here will provide valuable insight into the understanding of the transesterification process from DMC to DPC.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,190
Écart entre enseignants0,184 · 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

Citations17
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCarbon dioxide utilization in catalysisTravaux en français237 207