Ni-Ag Bimetallic Magnetic Catalyst Improves the Performance of the Catalytic Transfer Hydrogenated Soybean Oil
Notice bibliographique
Résumé
The role of Ni-Ag bimetallic magnetic catalysts in the catalytic transfer of hydrogenated soybean oil was studied. First, a Ni-Ag0.15/PVP-DB-171/SiO2/Fe3O4 magnetic catalyst with a magnetic saturation value of 10.431 emu / g was prepared. It was found that the addition of the metal Ag promoter enhanced the dispersion of Ni on the PVP-DB-171/SiO2/Fe3O4 support. The conditions of the catalytic transfer hydrogenation (CTH) (temperature 80°C, catalyst loading 0.23%, donor concentration 0.32 mol /50 mL H2O, and time 90 min) showed the effects of the bimetallic catalysts on the soybean oil hydrogenation process. The hydrogenated soybean oil linolenic acid, linoleic acid and oleic acid reaction rate constants were 4.95×10–2, 8.6×10–3 and 7.54×10–4, respectively. The selectivity of linolenic acid and linoleic acid is as high as 5.75 and 11.4, respectively; the iodine value (IV) of soybean oil after hydrogenation is 102 g I2/100g and the trans fatty acids(TFAs) content is only 1.7%. The use efficiency of the catalyst decreased to 60% after 8 cycles. Catalytic transfer hydrogenation has important research significance and application prospects for the preparation of low-trans hydrogenated oils and fats. This method also provides a theoretical basis for the development of the oil hydrogenation industry.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».