MétaCan
Menu
Retour à la cohorte
Enregistrement W2594399921 · doi:10.1139/cjc-2017-0033

Colloidal synthesis of Pt–In bimetallic nanoparticles for propane dehydrogenation

2017· article· en· W2594399921 sur OpenAlexvenueno aff
Xuchun Wang, Di Yang, Yong Xu, Jun Zhong, Qiao Zhang

Notice bibliographique

RevueCanadian Journal of Chemistry · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBimetallic stripDehydrogenationNanoparticleCatalysisPropaneChemistryPropeneChemical engineeringSelectivityX-ray photoelectron spectroscopyNanotechnologyMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Recently, Pt-based bimetallic nanoparticles have drawn much attention because of their great catalytic performance and wide applications in diverse fields. In this work, we report that bimetallic Pt–In nanoparticles with uniform size distribution and controllable composition can be synthesized through a one-step, facile colloidal approach. Various characterization tools such as XRD, TEM, XPS, and synchrotron techniques have been used to characterize the as-obtained nanoparticles. It is demonstrated that the Pt and In elements are homogeneously distributed in the whole nanoparticle. The bimetallic Pt–In nanoparticles have shown great catalytic performance, including high activity, high selectivity, and high stability, for the propane dehydrogenation reaction to produce propene, one of the most important chemicals. The excellent catalytic performance makes Pt–In bimetallic nanoparticles promising catalysts in future industrial application.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,002
Score d'incertitude au seuil0,338

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
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 ouverte0,0010,000
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 Opus0,016
Tête enseignante GPT0,248
Écart entre enseignants0,232 · 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

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ChemistryMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207