MétaCan
Menu
Retour à la cohorte
Enregistrement W2793418545 · doi:10.1002/slct.201702660

Characterisation of Robust Combustion Catalyst from Aluminium Foil Waste

2018· article· en· W2793418545 sur OpenAlexfundno aff
Ahmed I. Osman, Jehad K. Abu‐Dahrieh, Mathew McLaren, Fathima Laffir, David W. Rooney

Notice bibliographique

RevueChemistrySelect · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesSouth Valley UniversityQueen's UniversityQueen's University Belfast
Mots-clésCatalysisCombustionFourier transform infrared spectroscopyMaterials scienceSpace velocityX-ray photoelectron spectroscopyAluminium foilFOIL methodPyridineCatalytic combustionChemical engineeringAnalytical Chemistry (journal)ChemistryNanotechnologyComposite materialOrganic chemistrySelectivity

Résumé

récupéré en direct d'OpenAlex

Abstract Herein a robust and active combustion catalyst was prepared with three‐quarter (75 wt.%) of its composition derived from the aluminium foil waste and designated as 5Pd‐ACFL550. The prepared catalyst was characterised using X‐ray diffraction (XRD), Temperature‐programmed reduction (TPR), Bright‐field transmission electron microscopy (BF‐TEM), High angle annular dark field (HAADF), Fourier transform infrared‐pyridine (FTIR‐Pyridine) and X‐ray Photoelectron Spectroscopy (XPS) techniques and compared to the commercial equivalent (5Pd‐AC550). The catalyst 5Pd‐ACFL550 showed higher catalytic activity than that of 5Pd‐AC550 in the total methane oxidation reaction with T 50% at 303 °C at Gas hourly space velocity (GHSV) of 100,000 mL g −1 h −1 . Our approach opens doors for the preparation of robust cheap combustion catalyst from aluminium foil waste and demonstrates its application in the catalytic converters of natural gas vehicles (NGV‐vehicles) and other combustion applications. As a result, this can be opened up to a wider variety of application markets, including residential and automotive applications.

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 seuil0,002

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
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,236
Écart entre enseignants0,221 · 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

Citations38
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemistrySelectMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207