Synthesis of solketalacetin as a green fuel additive via ketalization of monoacetin with acetone using silica benzyl sulfonic acid as catalyst
Notice bibliographique
Résumé
Silica benzyl sulfonic acid (SBSA) was prepared as a catalyst for reacting monoacetin with acetone to synthesize solketalacetin as a green fuel additive. To synthesize SBSA, commercially available silica gel was functionalized with benzyl alcohol in the presence of sulfuric acid as catalyst and was then sulfonated with chlorosulfonic acid. The catalyst was characterized by FT-IR, XRD, and TGA. The catalytic activity of SBSA was compared with those of Amberlyst 36 and Purolite PD 206 as two sulfonated acidic catalysts, in a continuous flow system. The effect of different operation conditions such as acetone to monoacetin molar ratio, reaction temperature, and feed flow rate were investigated. Increasing acetone to monoacetin molar ratio increased the solketalacetin yield for the three catalysts but SBSA demonstrated the highest solketalacetin yield. Solketalacetin yield was reduced with temperature increase for all the catalysts and the maximum solketalacetin yields were recorded with Amberlyst 36 and SBSA catalyst at 20 °C and 40 °C, respectively. The catalytic activity was examined by keeping the catalysts on–stream for 25 h while the reusability tests were performed in four consecutive runs and showed that SBSA was stable up to 25 h and had the highest stability in 4 runs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».