MétaCan
Menu
Retour à la cohorte
Enregistrement W3000178414 · doi:10.1002/cjce.23709

Understanding the correlation between calcination temperature and performance in low‐temperature methanation over Ni‐Zr/Al<sub>2</sub>O<sub>3</sub> catalysts

2020· article· en· W3000178414 sur OpenAlexvenueno aff
Junfeng Zhang, Meng Zhang, Shuyao Chen, Zeling Zhou, Kaiwen Zheng, Yunxing Bai, Yisheng Tan, Yizhuo Han

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMethanationCalcinationCatalysisNialNon-blocking I/OSpinelMaterials scienceNickelX-ray photoelectron spectroscopyChemical engineeringInorganic chemistryIntermetallicMetallurgyChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Low‐temperature methanation of CO in the continuous stirred tank reactor (CSTR) over Zr doped Ni/Al2O3 catalyst calcined at different temperatures (673, 723, and 823 K) was investigated. XRD, TPR, XPS, ICP, SEM, and S‐TPR techniques were employed to characterize the fresh and spent catalysts. Based on the characterization results, it was found that low‐temperature (673 K) calcination could effectively prohibit the formation of NiAl2O4 spinel, thereby resulting in more reducible NiO particles, which were the essential precursor of methanation active sites over the catalyst surface. Thus, the highest CO conversion of 93.6% was achieved over the 25N3ZA‐673 catalyst. In addition, the deactivation rate of 25N3ZA‐673 was relatively slow in comparison to 25N3ZA‐823 due to the presence of more reducible NiO. The formed nickel carbonyl species (Ni[CO]x), which quickly decomposed at a higher reaction temperature, was closely related to the catalyst deactivation. Therefore, 25N3ZA‐673 possessed much better stability at 593 K than that at 553 K.

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 enseignants0,002
Score d'incertitude au seuil0,004

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 Opus0,016
Tête enseignante GPT0,207
Écart entre enseignants0,192 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207