MétaCan
Menu
Retour à la cohorte
Enregistrement W2724123589 · doi:10.1038/ncomms15946

Understanding the mechanism of catalytic fast pyrolysis by unveiling reactive intermediates in heterogeneous catalysis

2017· article· en· W2724123589 sur OpenAlexfundno aff
Patrick Hemberger, Victoria B. F. Custodis, András Bödi, T. Gerber, Jeroen A. van Bokhoven

Notice bibliographique

RevueNature Communications · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensnon disponible
Organismes subventionnairesBundesamt für EnergieUniversität UlmQueen's UniversityQueen's University BelfastSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésGuaiacolCatalysisReactive intermediatePyrolysisChemistryReaction intermediatePhotochemistryReaction mechanismLigninKeteneOrganic chemistryCombinatorial chemistry

Résumé

récupéré en direct d'OpenAlex

Catalytic fast pyrolysis is a promising way to convert lignin into fine chemicals and fuels, but current approaches lack selectivity and yield unsatisfactory conversion. Understanding the pyrolysis reaction mechanism at the molecular level may help to make this sustainable process more economic. Reactive intermediates are responsible for product branching and hold the key to unveiling these mechanisms, but are notoriously difficult to detect isomer-selectively. Here, we investigate the catalytic pyrolysis of guaiacol, a lignin model compound, using photoelectron photoion coincidence spectroscopy with synchrotron radiation, which allows for isomer-selective detection of reactive intermediates. In combination with ambient pressure pyrolysis, we identify fulvenone as the central reactive intermediate, generated by catalytic demethylation to catechol and subsequent dehydration. The fulvenone ketene is responsible for the phenol formation. This technique may open unique opportunities for isomer-resolved probing in catalysis, and holds the potential for achieving a mechanistic understanding of complex, real-life catalytic processes.

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 enseignants0,001
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 technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,028
Tête enseignante GPT0,263
Écart entre enseignants0,234 · 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

Citations194
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetLignin and Wood ChemistryTravaux en français237 207