Study on liquid‐phase hydrogenation of paranitrotoluene over Ru‐based catalysts
Notice bibliographique
Résumé
Abstract This paper presented a study on the role of yttrium addition to Ru‐based catalysts for liquid phase paranitrotoluene hydrogenation reaction. An impregnation‐precipitation method was used for preparation of a series of yttrium doped Ru/NaY catalysts with yttrium content in the range of 0.0026–0.0052 g/g. Properties of the obtained samples were characterized and analyzed by X‐ray diffraction (XRD), H 2 ‐TPR, Transmission electron microscopy (TEM), ICP atomic emission spectroscopy, and Nitrogen adsorption‐desorption. The results revealed that catalytic activity of NaY supported Ru catalysts increased with the yttrium content at first, then decreased with the further increase of yttrium content. When yttrium content was 0.0033 g/g, a Ru‐Y/NaY 2 catalyst showed the most excellent performance of paranitrotoluene hydrogenation reaction (paranitrotoluene conversion and the selectivity toward P‐methyl‐cyclohexylamine reached 99.9 % and 82.5 %, respectively). In addition, to compare with the performance of Ru‐Y/NaY catalysts, the active carbon supported Ru catalysts were prepared using the same method in view of its higher surface area and adsorption capacity. Finally, the effect of solvent on the reaction over Ru‐Y/NaY 2 catalyst has been investigated, it was found that the best performance of paranitrotoluene hydrogenation reaction took place in protic solvents (isopropanol and ethanol). This was mainly ascribed to their polarity and hydrogen‐bond accepting capability.
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 | 0,001 | 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 ».