MétaCan
Menu
Retour à la cohorte
Enregistrement W2768792461 · doi:10.1002/cjce.23084

Effects of Ni modification on NO‐CO reaction with MnO<sub><i>x</i></sub>‐CuO/TiO<sub>2</sub> catalysts

2017· article· en· W2768792461 sur OpenAlexvenueno aff
Xiaopeng Zhang, Jinxin Wang, Zhuofeng Li, Yuezong Cui, Bojian Tan, Gaohong He

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésCatalysisX-ray photoelectron spectroscopyRedoxAdsorptionInorganic chemistryMolar ratioOxygenMaterials scienceFourier transform infrared spectroscopyChemistryNuclear chemistryChemical engineeringPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Ni modified MnOx‐CuO/TiO2 catalysts were synthesized by the sol‐gel method and investigated for NO‐CO reaction. The results showed that 0.05Ni‐Mn‐Cu/TiO2 (the Ni/Ti molar ratio was 0.05) had the highest NO conversion efficiency with a maximum value of 85.4 % at 350 °C, which was 10 % higher than that of Mn‐Cu/TiO2. XPS analysis showed that more chemisorbed oxygen formed on the Ni‐modified catalyst surface, which could act as active sites for CO adsorption and oxidation. CO‐TPD results confirmed that the amount of adsorbed CO on the catalyst surface increased after Ni modification. H2‐TPR results suggested that the Ni‐modified catalyst had better redox properties, which favoured the reduction of NO to N2O and N2O to N2. Furthermore, in situ FTIR showed that CO2 from the production of the NO‐CO reaction could be easily formed on the surface of 0.05Ni‐Mn‐Cu/TiO2, and it indicated that the NO‐CO reaction could easily occur after Ni doping. All these factors were responsible for the better catalytic activity of Ni‐modified catalysts.

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)0,001
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
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 Opus0,007
Tête enseignante GPT0,207
Écart entre enseignants0,200 · 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207