Improved Kinetic Data Acquisition Using An Optically Accessible Catalytic Plate Reactor with Spatially-Resolved Measurement Techniques. Case of Study: CO2 Methanation
Notice bibliographique
Résumé
Modelling and optimization of chemical reactors require a good understanding of the reactions mechanism with the corresponding kinetic description. Therefore, high quality kinetic data are needed, which can be challenging to obtain, especially for fast and highly exothermic reactions such as the CO2 methanation. Traditionally, kinetic studies rely on measuring the exit gas composition (1 data point per species and experiment) using differential reactors with diluted catalyst beds and reactants to avoid temperature change. Therefore, an optically accessible catalytic channel reactor was designed, which allowed for the chance to gather spatially-resolved information on axial gas composition and catalyst surface temperature, specifically by means of a movable sampling capillary and shortwave infrared-thermography (SWIR), respectively. A catalyst coated plate was placed at the bottom of the channel, while a set of two quartz glass plates covers the top. In the current study 35 data points per gas species were collect for 1 experiment conducted under laminar flow conditions at 425 °C. Catalyst surface temperature determined via a SWIR camera was not influenced by polyatomic molecules partaking in the reaction and thus did not falsify the kinetic data. The catalyst mass distribution along the reactor axis was determined, enabling the development of a correct reactor model for kinetic parameter estimation and model discrimination.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».