MétaCan
Menu
Retour à la cohorte
Enregistrement W2789447199 · doi:10.1002/cctc.201701656

Highly Efficient Glycerol Acetalization over Supported Heteropoly Acid Catalysts

2018· article· en· W2789447199 sur OpenAlexaff
Lin Chen, Bendaoud Nohair, Dongyuan Zhao, Serge Kaliaguine

Notice bibliographique

RevueChemCatChem · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésParaformaldehydeChemistryCatalysisAcetoneGlycerolMesoporous materialSelectivityFormaldehydeReagentYield (engineering)Reaction mechanismPrins reactionOrganic chemistryInorganic chemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract The acetalization of glycerol with acetone to yield solketal was catalyzed by Cs2.5H0.5PW12O40 (Cs2.5) supported on mesoporous silica under mild conditions. It gave a high glycerol conversion and selectivity to the targeted product even at room temperature (23 °C). We studied the use of both bulk and supported Cs2.5 as catalysts in another highly efficient glycerol acetalization reaction with paraformaldehyde, which gave much higher activity than with formaldehyde solution. For the reaction with acetone, the supported Cs2.5 showed a higher activity than the bulk material because of the high surface area of the mesoporous support. Interestingly, the supported Cs2.5 gave a lower conversion than the bulk for the reaction with paraformaldehyde. This is probably because of the high viscosity of the reaction system with the solid reagent paraformaldehyde. Overall, there is a complex relationship between catalyst, reaction conditions, which include the molar ratio of reactants and temperature, reaction mechanism and thermodynamics that affects the achieved activity and byproduct formation. A discussion about these interactions is included for each reaction.

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,006
Tête enseignante GPT0,206
Écart entre enseignants0,201 · 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

Citations62
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemCatChemMême sujetCatalysis for Biomass ConversionTravaux en français237 207