MétaCan
Menu
Retour à la cohorte
Enregistrement W2515719452 · doi:10.1021/acs.langmuir.6b02497

Selective Adsorption of Thiols Using Gold Nanoparticles Supported on Metal Oxides

2016· article· en· W2515719452 sur OpenAlexafffund
Ruohong Sui, Kevin L. Lesage, Sarah K. Carefoot, Tobias Fürstenhaupt, Chelsea J. Rose, Robert A. Marriott

Notice bibliographique

RevueLangmuir · 2016
Typearticle
Langueen
DomaineChemistry
ThématiqueSulfur-Based Synthesis Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAdsorptionNanoparticleMetalColloidal goldChemistryInorganic chemistryChemical engineeringNanotechnologyMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Selective capture of thiols from a synthetic hydrogen sulfide containing mixture using supported nanogold materials has been explored for the potential removal of thiols from sour gas production fluids. In this research, TiO2-, Al2O3-, SiO2-, and ZnO-supported gold nanoparticles have been studied for their usage as regeneratable adsorbents to capture CH3SH, C2H5SH, and i-C3H7SH. Au/TiO2 and Au/Al2O3 showed promising properties for removing the thiols efficiently from a gas-phase mixture; however, Au/Al2O3 did catalyze some undesirable side reactions, e.g., carbonyl sulfide formation. It was found that a mild temperature of T = 200 °C was sufficient for regeneration of either Au/TiO2 or Au/Al2O3 adsorbent. The metal oxide mesopores played an important role for accommodating gold particles and chemisorption of the thiols, where smaller pore sizes were found to inhibit the agglomeration/growth of gold particles. The nature of thiol adsorption and the impact of multiple adsorption-desorption cycles on the adsorbents have been studied using electron microscopy, XPS, XRD, GC, and physi/chemiadsorption analyses.

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: Méthodes · Signal consensuel: aucune
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)0,0010,000
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 Opus0,031
Tête enseignante GPT0,273
Écart entre enseignants0,242 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetSulfur-Based Synthesis TechniquesTravaux en français237 207