MétaCan
Menu
Retour à la cohorte
Enregistrement W2784162584 · doi:10.14447/jnmes.v17i4.399

Catalytic Performance of Oxidized Ni3Sn2 for Hydrogen Production from Methanol Decomposition

2014· article· en· W2784162584 sur OpenAlexvenueno aff
Pan Wei, Zhou Lingtong, Wei Xia, Zhujian Li, Haifei Long, Jindan Chen, Ting Li, Mei Qiang Fan

Notice bibliographique

RevueJournal of New Materials for Electrochemical Systems · 2014
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCatalysisMethanolMethanationDecompositionIsothermal processHydrogenHydrogen productionMaterials scienceWater-gas shift reactionChemical engineeringInorganic chemistryChemistryThermodynamicsOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

The catalytic properties of oxidized Ni3Sn2 powders were investigated for producing hydrogen from decomposing methanol in the temperatures ranging from 240 to 480 ºC. The oxidized Ni3Sn2 had much higher catalytic activity than that of Ni3Sn2 in the temperature range of 320~400 ºC. The results of an isothermal test performed at 320 ºC revealed that the oxidized Ni3Sn2 was spontaneously activated within 4 h of the reaction and slowly deactivated in the followed reaction time. The oxidized Ni3Sn2 suppressed side reactions such as methanation and water-gas shift reaction and showed a high efficiency for H2 production from methanol decomposition. Surface analysis revealed that the activity of oxidized Ni3Sn2 was attributed to the formation of Ni/SnO2 catalyst, which was supposed to serve as active sites for methanol decomposition.

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)0,001
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 enseignants0,014
Score d'incertitude au seuil0,768

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 GPT0,255
Écart entre enseignants0,243 · 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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of New Materials for Electrochemical SystemsMême sujetCatalysts for Methane ReformingTravaux en français237 207