MétaCan
Menu
Retour à la cohorte
Enregistrement W3040060712 · doi:10.1021/acs.chemrev.0c00149

FeCrAl as a Catalyst Support

2020· review· en· W3040060712 sur OpenAlexafffund
Gianluca Pauletto, Angelo Vaccari, Gianpiero Groppi, Lauriane Bricaud, Patricia Benito, Daria C. Boffito, Johannes A. Lercher, Gregory S. Patience

Notice bibliographique

RevueChemical Reviews · 2020
Typereview
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesDeutscher Akademischer Austausch Dienst KairoNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanada Foundation for InnovationUniversità degli Studi di Milano
Mots-clésChemistryCatalysisOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The iron-chromium-aluminum alloy (FeCrAl) is an exceptional support for highly exothermic and endothermic reactions that operate above 700 °C in chemically aggressive environments, where low heat and mass transfer rates limit reaction yield. FeCrAl two- and three-dimensional structured networksmonoliths, foams, and fibersmaximize mass transfer rates, while their remarkable thermal conductivity minimizes hot spots and thermal gradients. Another advantage of the open FeCrAl structure is the low pressure drop due to the high void fraction and regularity of the internal path. The surface Al2O3 layer, formed after an initial thermal oxidation, supports a wide range of metal and metal oxide active phases. The aluminum oxide that adheres to the metal surface protects it from corrosive atmospheres and carbon (carburization), thus allowing FeCrAl to operate at a higher temperature. The top applications are industrial burners, in which compact knitted metal fibers distribute heat over large surface areas, and automotive tail gas converters. Future applications include producing H2 and syngas from remote natural gas in modular units. This Review summarizes the specific preparation techniques, details process operating conditions and catalyst performance of several classes of reactions, and highlights positive and challenging aspects of FeCrAl.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,072
Tête enseignante GPT0,378
Écart entre enseignants0,306 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations97
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical ReviewsMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207