MétaCan
Menu
Retour à la cohorte
Enregistrement W2568247622 · doi:10.1002/cjce.22774

Silver/graphene nanocomposites as catalysts for the reduction of <i>p</i>‐nitrophenol to <i>p</i>‐aminophenol: Materials preparation and reaction kinetics studies

2017· article· en· W2568247622 sur OpenAlexvenueno aff
Jiangyong Liu, Chenxin Ran, Yuan Pu, Jie‐Xin Wang, Dan Wang, Jian‐Feng Chen

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueNanomaterials for catalytic reactions
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésGrapheneCatalysisNanocomposite4-NitrophenolKineticsMaterials scienceSilver nanoparticleStabilizer (aeronautics)NitrophenolChemical engineeringNanoparticleInorganic chemistryChemistryNuclear chemistryNanotechnologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Ag/graphene nanocomposites have been demonstrated to be promising catalysts for hydrogenation reduction of p ‐nitrophenol ( p ‐NP) to p ‐aminophenol ( p ‐AP). Herein, we reported the synthesis of graphene‐supported silver nanoparticles (Ag/G) using one‐step and stabilizer‐free process. The obtained Ag/G nanocomposites were demonstrated to be efficient catalysts for the reduction of p ‐NP to p ‐AP. The reaction kinetics of the catalytic reduction, including the effects of catalyst concentrations and temperatures are reported. These results are of significant values for the scale‐up of using Ag/graphene catalysts for hydrogenation reduction.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 seuil0,407

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,255
Écart entre enseignants0,239 · 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 tête enseignante, 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

Citations18
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetNanomaterials for catalytic reactionsTravaux en français237 207