MétaCan
Menu
Retour à la cohorte
Enregistrement W2990094240 · doi:10.1002/aic.16870

Group C<sup>+</sup> particles: Efficiency augmentation of fluidized bed reactor through nano‐modulation

2019· article· en· W2990094240 sur OpenAlexaff
Yandaizi Zhou, Zhiwei Zhao, Jesse Zhu, Xiaojun Bao

Notice bibliographique

RevueAIChE Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueGranular flow and fluidized beds
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésFluidizationFluidized bedGroup (periodic table)Residence time (fluid dynamics)ChemistryNano-Chemical engineeringMaterials scienceComposite materialOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Group C + particles, Group C particles after nano‐modulation, with extremely large specific surface area, have been shown to exhibit extraordinarily good fluidization quality with superiorly high bed expansion, significantly increasing gas holdup in the bed. As a first attempt, Group C + particles were used as catalysts in a fluidized bed reactor (C‐plus FBR) to evaluate the reaction performance and were compared to that using Group A particles. C‐plus FBR could achieve a much higher reaction conversion, up to 235% of that using Group A particles. The contact efficiency for Group C + particles is much higher, being 330% more than that for Group A particles. The greater contact efficiency is due to both larger specific surface area and higher bed expansion, providing larger gas–solid interfacial area and longer gas residence time. Conclusively, Group C + particles with superior fluidization quality and reaction performance do have huge potential in gas‐phase catalytic reactions.

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 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 enseignants0,121
Score d'incertitude au seuil0,587

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,222
Écart entre enseignants0,212 · 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.

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

Citations22
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetGranular flow and fluidized bedsTravaux en français237 207