MétaCan
Menu
Retour à la cohorte
Enregistrement W2810969569 · doi:10.1016/j.ultsonch.2018.06.017

Ultrasound-assisted impregnation for high temperature Fischer-Tropsch catalysts

2018· article· en· W2810969569 sur OpenAlexaff
Paul Louyot, Cristian Neagoe, Federico Galli, Carlo Pirola, Gregory S. Patience, Daria C. Boffito

Notice bibliographique

RevueUltrasonics Sonochemistry · 2018
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésSyngasFischer–Tropsch processCatalysisChemical engineeringMethanePartial oxidationYield (engineering)Natural gasChemistryCarbon dioxide reformingMaterials scienceBimetallic stripOrganic chemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

A fraction of the petroleum extracted from oil reservoirs contains associated natural gas. Rather than building infrastructure to recover low volumes of this natural gas, the industry flares or vents it to the atmosphere, which contributes to atmospheric greenhouse gas emissions but also reduces the air quality locally because it contains gaseous sulphur and nitrogen compounds. Converting the natural gas (NG) to hydrocarbons with a small-scale two-step gas-to-liquids process, is an alternative to flaring and venting. In the first step, NG reacts with oxygen to form syngas (Catalytic Partial Oxidation) and in the second step the syngas reacts over metallic catalysts to form higher paraffins at 210 °C to 300 °C—Fischer Tropsch synthesis (FT). For the first time, we synthesize bimetallic FeCo FT catalysts with ultrasound. An ultrasonic horn agitates the solution during the entire impregnation process. The active phase dispersion of the sonicated catalysts was superior to the catalyst synthesized without ultrasound, while reducing the impregnation time by a factor of three. We tested our catalysts in a lab-scale, fixed-bed reactor at 270 °C and 300 °C, and achieved 80% conversion over 3-days on stream and a 40% yield of C2+.

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 enseignants0,002
Score d'incertitude au seuil0,005

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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,009
Tête enseignante GPT0,246
Écart entre enseignants0,237 · 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

Citations27
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUltrasonics SonochemistryMême sujetCatalysts for Methane ReformingTravaux en français237 207