Sulfided Homogeneous Iron Precatalyst for Partial Hydrogenation and Hydrodesulfurization of Polycyclic Aromatic Model Asphaltenes
Notice bibliographique
Résumé
Here, we report the first study to use Fe2S2(CO)6 as a well-defined petroleum-soluble precatalyst for partial hydrogenation of polycyclic aromatic and heteroaromatic compounds, including pyrene, phenanthrene, naphthalene, and benzothiophene. The in situ-generated heterogeneous catalyst was characterized using a combination of thermogravimetric analysis (TGA), combustion analysis (CHNS), Fourier transform infrared (FT-IR) spectroscopy, scanning transmission electron microscopy (STEM), X-ray diffraction (XRD), X-ray photoelectron spectroscopy (XPS), and scanning electron microscopy-energy dispersive X-ray (SEM-EDX). Catalytic performance of Fe2S2(CO)6 was evaluated in a batch microreactor coupled with an agitator, varying reaction temperature, pressure, and precatalyst loading. The active phase, consisting of iron sulfide nanoparticles, was prepared from purified Fe2S2(CO)6 in toluene; no sulfur additive is required. The results demonstrate that a “presulfided” iron catalyst leads to partial hydrogenation of polycondensed aromatics under moderate conditions, with naphthalene showing only low conversion. Activated carbon, γ-alumina, and activated silica are all effective dispersants for the Fe precursor. The reactivity shows self-consistent substrate dependence, varying with the resonance energy stabilization of the starting compounds and partially saturated intermediates coupled with the surface adsorption enthalpy of the aromatic ring system. The active catalyst derived from this precursor exhibits higher catalytic activity than commercial iron sulfide precatalysts. Importantly, the catalyst is active for hydrodesulfurization (HDS) of benzothiophene, albeit modestly so.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».