MétaCan
Menu
Retour à la cohorte
Enregistrement W2897074242 · doi:10.1002/adma.201803263

Construction of Hierarchically Porous Nanoparticles@Metal–Organic Frameworks Composites by Inherent Defects for the Enhancement of Catalytic Efficiency

2018· article· en· W2897074242 sur OpenAlexaff
Fanchen Meng, Lu Ma, Weina Zhang, Matthew Li, Tianpin Wu, Hang Li, Tao Zhang, Xiaohua Lü, Fengwei Huo, Jun Lü

Notice bibliographique

RevueAdvanced Materials · 2018
Typearticle
Langueen
DomaineChemistry
ThématiqueMetal-Organic Frameworks: Synthesis and Applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesArgonne National LaboratoryOffice of Energy EfficiencyOffice of ScienceNational Natural Science Foundation of ChinaUniversity of ChicagoPostdoctoral Science Foundation of Jiangsu ProvinceOrganization Department of the Central Committee of the Communist Party of ChinaNational Key Research and Development Program of ChinaChina Scholarship CouncilOffice of Energy Efficiency and Renewable EnergyU.S. Department of Energy
Mots-clésMaterials scienceSelectivityCatalysisMetal-organic frameworkNanoparticleMesoporous materialOlefin fiberAnnealing (glass)PorosityChemical engineeringNanotechnologyComposite materialOrganic chemistryAdsorptionPolymerChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Nanoparticles@metal–organic frameworks (MOFs) composites have attracted considerable attention in recent years due to the prominent selective catalytic activity. However, it is highly desirable to develop a simple and universal way to settle the trade‐off between the catalytic efficiency and selectivity. Herein, by employing the thermal instability of inherent defects, hierarchically porous Pt@UiO‐66‐NH 2 , Pt@UiO‐66, Pt@ZIF‐8, and Au@ZIF‐8 are successfully constructed after annealing at an appropriate temperature, respectively. The generated mesopores in the MOFs can be located around the external nanoparticle to retain the MOF shell for catalytic selectivity. Finally, when tested in olefin hydrogenation, Pt@UiO‐66‐NH 2 shows significantly improved catalytic rate and enhanced dynamic selectivity.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,023
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,246
Écart entre enseignants0,238 · 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

Citations128
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetMetal-Organic Frameworks: Synthesis and ApplicationsTravaux en français237 207