Nanosize effects of NiO nanosorbcats on adsorption and catalytic thermo‐oxidative decomposition of vacuum residue asphaltenes
Notice bibliographique
Résumé
The nanosize effects of NiO nanosorbcats on adsorption and post‐adsorption catalytic thermo‐oxidative decomposition of vacuum residue (VR) n‐C 5 asphaltenes was investigated using a UV‐vis spectrophotometer and thermogravimetric analyzer coupled with a mass spectrometer. Sizes between 5 and 80 nm of different‐sized NiO nanosorbcats were employed. Batch adsorption experiments were carried out for the considered asphaltenes in toluene solutions, monitored via UV‐vis spectrophotometry. The macroscopic adsorption isotherms were described by implementing the solid‐liquid equilibrium (SLE) model. The findings showed that thermally cracked vacuum residue (VR) n‐C 5 asphaltenes interact to different extents with different‐sized NiO nanosorbcats. A normalized surface area basis was used for the amount of VR n‐C 5 asphaltene adsorbed per nm 2 of NiO surface, which was the highest for NiO nanoparticles of size 80 nm, with 5 nm size being the lowest. Thermogravimetric analysis of VR n‐C 5 asphaltenes was also achieved and the reaction products were explored by a mass spectrometer. The Kissinger‐Akahira‐Sunose (KAS) isoconversional model was used to describe the reaction mechanism and to confirm the validity of the catalytic role of the different particle sizes of NiO nanosorbcats. The highest catalytic activity was for smallest NiO when compared to the highest NiO nanosorbcats. Furthermore, the results of thermodynamic transition state parameters of activation; changes in Gibbs free energy (ΔG ‡ ), entropy (ΔS ‡ ), and enthalpy (ΔH ‡ ) highlighted the catalytic activity of NiO nanosorbcats towards VR n‐C 5 asphaltenes oxidation. These findings exhibit the significance of textural properties and nanosize of nanoparticles during adsorption and thermal catalytic processing of asphaltenes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».