MétaCan
Menu
Retour à la cohorte
Enregistrement W2594339151 · doi:10.1002/cjce.22822

Cu submicroparticles catalyzed reduction of 3‐nitro‐4‐methoxyacetanilide to 3‐amino‐4‐methoxyacetanilide in water

2017· article· en· W2594339151 sur OpenAlexvenueno aff
Yonghai Feng, Hengbo Yin, Xiaobo Yan, Minjia Meng, Jianli Mi, Aili Wang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueNanomaterials for catalytic reactions
Établissements canadiensnon disponible
Organismes subventionnairesChina Postdoctoral Science FoundationSenior Talent Foundation of Jiangsu UniversityNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésCatalysisAcetanilideNitroChemistrySelectivityX-ray photoelectron spectroscopyMetalSelective catalytic reductionNuclear chemistryNitro compoundParticle sizeInorganic chemistryOrganic chemistryChemical engineeringPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract 3‐nitro‐4‐methoxy acetanilide (NMA) was selectively reduced to 3‐amino‐4‐methoxy acetanilides (AMA) with metallic Cu submicroparticles as the H‐transfer catalyst in NaBH4 solution. The metallic Cu submicroparticles were prepared by the wet chemical reduction method and characterized by SEM, XRD, and XPS techniques. The catalytic activity of Cu submicroparticles in the reduction of NMA was significantly affected by the particle sizes of Cu submicroparticles. The catalyst of Cu submicroparticles with an average particle size of 0.36 µm contributes to an AMA selectivity of 96.1 % at the NMA conversion of 100 % after reacting at 303 K for 40 min. The Cu submicroparticles show better catalytic activities than the Cu microparticles in the reduction of NMA to AMA probably due to the low reaction orders and the low activation energy of Cu submicroparticles for the reduction of NMA.

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 enseignants0,002
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,232
Écart entre enseignants0,217 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

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