MétaCan
Menu
Retour à la cohorte
Enregistrement W2772697780 · doi:10.1002/cjce.23103

Size effect of mesoscopic‐scale silver particles on the adsorption capacity of silver/cotton for fuel oil desulphurization

2017· article· en· W2772697780 sur OpenAlexvenueno aff
Shuo Ai, Xinsheng Li

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis and Hydrodesulfurization Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésAdsorptionSilver nanoparticleMaterials scienceThiopheneChemical engineeringScanning electron microscopeNuclear chemistryComposite materialChemistryNanotechnologyOrganic chemistryNanoparticle

Résumé

récupéré en direct d'OpenAlex

Thiophene and its derivatives in fuel oils, such as diesel, will be converted into SO x pollutants after combustion. Cotton is an inexpensive, sustainable biomass and a promising candidate for adsorbent supports because of its quasi‐one‐dimensional structure. Hence, we prepared silver/cotton adsorbents with silver loadings of 0.2, 0.8, and 4.3 wt% through a simple wet reduction method. Field emission scanning electron microscopy (FESEM) results show that when the silver loading was as high as 4.3 wt%, large silver aggregates were obtained; when the silver loading was as low as 0.2 wt%, small silver particles with diameters of ∼0.1 µm (mesoscopic scale) were primarily prepared. Static adsorption results demonstrated that the large silver aggregates were ineffective for the adsorption of thiophene, while the small silver particles showed an exceptional adsorption performance. At 30 °C, the highest thiophene adsorption capacity reached 10 mg/g on the 0.2 wt% silver/cotton adsorbent. The adsorption isotherm of the 0.2 wt% silver/cotton adsorbent was determined and exhibited a multi‐step trend. In addition, the bed pressure drop of the 0.2 wt% silver/cotton was determined to be 0.62 kPa/g, which was 26.0 % and 16.7 % of those of alumina and silica gel, respectively.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,089
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,203
Écart entre enseignants0,191 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCatalysis and Hydrodesulfurization StudiesTravaux en français237 207