MétaCan
Menu
Retour à la cohorte
Enregistrement W2790734361 · doi:10.1002/cjce.23151

Changes in physicochemical properties of activated carbon during treatment with supercritical water

2018· article· en· W2790734361 sur OpenAlexvenueno aff
Yuechao Zhang, Senlin Tian, Junjie Gu, Ping Ning, Yingjie Li

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSubcritical and Supercritical Water Processes
Établissements canadiensnon disponible
Organismes subventionnairesAnalysis and Testing Foundation of Kunming University of Science and TechnologyNational Natural Science Foundation of China
Mots-clésSupercritical fluidCatalysisActivated carbonFourier transform infrared spectroscopyAdsorptionDecompositionChemical engineeringDesorptionChemistrySpecific surface areaScanning electron microscopeMaterials scienceInorganic chemistryPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract We investigated the changes in activated carbon (AC) physicochemical properties during treatment with supercritical water (SCW). Experimental results show that SCW treatment can increase the specific surface area and pore volume of AC. Scanning electron microscopy proves that the AC surface undergoes severe corrosion, resulting in the exposure of highly porous structures. In addition, the point‐of‐zero charge of AC increases after SCW treatment without the addition of HCl, H 2 SO 4 , and H 2 O 2 . This result is confirmed by the presence of C≡C and −OH functional moieties, as established through Fourier transform infrared spectroscopy. Temperature programmed desorption profiles suggest that the decomposition of AC in the SCW treatment produces pyrone and anhydride functional groups. According to the above results, SCW treatment increases the adsorption capacities of AC. In SCW catalytic processes, therefore, active components removed from the surface of AC‐supported catalysts are directly involved in reactions that enhance the catalytic activity.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,378

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,169
Écart entre enseignants0,160 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetSubcritical and Supercritical Water ProcessesTravaux en français237 207