MétaCan
Menu
Retour à la cohorte
Enregistrement W3013038134 · doi:10.1021/acssuschemeng.9b07512

Highly Selective Conversion of Furfural to Furfural Alcohol or Levulinate Ester in One Pot over ZrO<sub>2</sub>@SBA-15 and Its Kinetic Behavior

2020· article· en· W3013038134 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesKunming University of Science and TechnologyNational Natural Science Foundation of China
Mots-clésFurfuralChemistryBiorefineryCatalysisIsopropyl alcoholFurfuryl alcoholSelectivityOrganic chemistryBifunctionalBiofuelRaw materialWaste management

Résumé

récupéré en direct d'OpenAlex

Biorefinery for the purpose of producing biofuels, chemicals, and materials has received much attention. Furfural alcohol (FOL) and levulinate ester (LE) are important biomass-derived platform chemicals, and they are produced from sugar-based furfural (FAL). Unfortunately, the two products are often obtained separately in different reaction systems, which is undesirable; furthermore, it is of significant practical interest to control their selectivity so that the desired product can be accumulated in high yields. Herein, we present an efficient method for the highly selective conversion of FAL to FOL or isopropyl levulinate (IPL) in a one pot system using isopropanol as the hydrogen source and ZrO 2 @SBA-15 as a bifunctional catalyst with both Lewis acid and Brønsted acid sites. Under optimized reaction conditions, high yields of FOL and IPL in up to 90.4% and 87.2%, respectively, were obtained. Based on the experimental results, a kinetic model describing the catalytic conversion of FAL into FOL and IPL process has been established, which has a good correlation ( R 2 > 0.92) between the measured and predicted data. The developed kinetics can provide an effective tool to monitor the process and tailor the process conditions to obtain the desired product.

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.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,004
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
Bibliométrie0,0000,001
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 Opus0,009
Tête enseignante GPT0,194
Écart entre enseignants0,185 · 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