MétaCan
Menu
Retour à la cohorte
Enregistrement W2970733326 · doi:10.3390/catal9100815

Reactive Fe-O-Ce Sites in Ceria Catalysts for Soot Oxidation

2019· article· en· W2970733326 sur OpenAlexafffund
Boyu Li, Abhishek Raj, Eric Croiset, John Z. Wen

Notice bibliographique

RevueCatalysts · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaTaiyuan University of TechnologyBioFuelNet Canada
Mots-clésCatalysisThermogravimetric analysisSootX-ray photoelectron spectroscopyCombustionAutoignition temperatureOxygenMaterials scienceChemical engineeringPrecipitationInorganic chemistryChemistryNuclear chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

This study investigates the role of oxygen vacancy on Fe-doped CeO2 catalyst activity for soot oxidation. The oxygen vacancy was assessed through Ce3+ content. The Fe content was varied between 0 and 30% for two catalyst preparation methods, co-precipitation (CP) and solution combustion synthesis (SCS). X-ray photoelectron spectroscopy indicates that ceria exists as both Ce4+ and Ce3+, while iron is present only as Fe3+. The catalyst’s activity was evaluated by ignition (T10) and combustion (T50) temperatures using thermogravimetric analysis. Optimum Fe contents yielding the highest activity were found to be 10% and 5% for CP and SCS catalysts, respectively. The surface area and morphology showed a moderate effect on catalyst activity, because catalytic soot oxidation involves solid–solid contact. More importantly, regardless of the fabrication method, it was found that Ce3+ content, which is closely related to oxygen vacancies, plays the most important role in affecting the catalyst activity.

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 enseignants0,000
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
Bibliométrie0,0000,000
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 Opus0,015
Tête enseignante GPT0,273
Écart entre enseignants0,258 · 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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCatalystsMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207