MétaCan
Menu
Retour à la cohorte

Positive Catalytic Effect and Mechanism of Iron on the Gasification Reactivity of Coke using Thermogravimetry and Density Functional Theory

2020· article· en· W3109167933 sur OpenAlexfundno aff
Ziming Wang, Keliang Pang, Kejiang Li, Jianliang Zhang, Minmin Sun, Baochen Han, Chunhe Jiang, Hongtao Li

Notice bibliographique

RevueISIJ International · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaFundamental Research Funds for the Central UniversitiesUniversity of TorontoCompute CanadaNational Natural Science Foundation of ChinaGovernment of OntarioNational Science Foundation
Mots-clésThermogravimetryCatalysisCokeDensity functional theoryIsothermal processAdsorptionPhysical chemistryCarbon fibersChemistryReactivity (psychology)Materials scienceChemical engineeringComputational chemistryInorganic chemistryThermodynamicsMetallurgyOrganic chemistryComposite materialComposite number

Résumé

récupéré en direct d'OpenAlex

The catalytic gasification characteristics and kinetics of metallurgical coke by iron were investigated by non-isothermal thermogravimetry using volumetric (VM), unreacted core (URCM), and random pore (RPM) models. Density functional theory (DFT) calculations were used to analyse the interaction mechanism of CO2 on the iron catalyst surface. Carbon conversion curves were shifted to a lower-temperature zone upon iron addition, indicating the strong catalytic effect of iron on carbon gasification. Kinetic analysis showed that RPM described coke gasification better than VM and URCM, with an RPM activation energy of 197.1–218.1 kJ/mol. DFT calculations indicated that CO2 molecules parallel to the crystal surface can easily interact with the iron surface. Three stable adsorption configurations with energies of −0.59, −0.62, and −0.78 eV were obtained. In the Löwdin population analysis, the C atom acts as a major electron acceptor from Fe. The C and O orbitals overlap with Fe 3d, 4s, and 4p, indicating stronger hybridisation and demonstrating that Fe (001) can activate CO2.

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 enseignants0,010
Score d'incertitude au seuil0,223

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 Opus0,011
Tête enseignante GPT0,206
Écart entre enseignants0,195 · 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

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISIJ InternationalMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207