MétaCan
Menu
Retour à la cohorte
Enregistrement W2886520128 · doi:10.1002/cjce.23322

Effect of alkaline‐earth metals on synthesis of isobutyraldehyde from methanol and ethanol over Cu‐MeO<sub>x</sub>/Ti‐SBA‐15 catalysts (Me = Mg, Ca, Sr, Ba)

2018· article· en· W2886520128 sur OpenAlexvenueno aff
Junfeng Zhang, Meng Zhang, Yingquan Wu, Tao Zhang, Yizhuo Han, Yisheng Tan

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Shanxi ProvinceNational Natural Science Foundation of China
Mots-clésIsobutyraldehydeCatalysisAlkaline earth metalMethanolChemistrySorptionX-ray photoelectron spectroscopyInorganic chemistryEthanolMetalDopingNuclear chemistryMaterials scienceChemical engineeringOrganic chemistryAdsorption

Résumé

récupéré en direct d'OpenAlex

Abstract Cu‐MeO/Ti‐SBA‐15 catalysts (Me = Mg, Ca, Sr, and Ba) were used for isobutyraldehyde (IBA) synthesis from methanol and ethanol and characterized by various techniques including XRD, N 2 sorption, CO 2 ‐TPD, XPS, etc. Doping different alkaline‐earth meals (Me = Mg, Ca, Sr, and Ba) to Cu/Ti‐SBA‐15 can significantly affect catalytic performance in IBA synthesis. Based on characterizations, different alkaline‐earth metal doping significantly affects the amount of basic sites and the basic strength of the catalyst surface and their interaction with active Cu and other components. Therefore, the higher activity of the catalyst is closely related to larger amounts of basic sites, stronger basicity, and stronger interaction between Cu and MeO.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,015
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,004
Tête enseignante GPT0,185
Écart entre enseignants0,180 · 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.

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 sujetCatalysis for Biomass ConversionTravaux en français237 207