MétaCan
Menu
Retour à la cohorte
Enregistrement W3111109777 · doi:10.1139/cjc-2020-0408

Mechanochemistry for sustainable and efficient dehydrogenation/hydrogenation

2020· article· en· W3111109777 sur OpenAlexafffundvenue
Blaine G. Fiss, Austin J. Richard, Tomislav Friščić, Audrey Moores

Notice bibliographique

RevueCanadian Journal of Chemistry · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensMcGill UniversityCentre in Green Chemistry and Catalysis
Organismes subventionnairesCentre in Green Chemistry and CatalysisNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsMcGill University
Mots-clésMechanochemistryDehydrogenationChemistryCatalysisBall millGreen chemistryCommodity chemicalsOrganic chemistryNanotechnologyCombinatorial chemistryBiochemical engineeringChemical engineeringReaction mechanismMaterials science

Résumé

récupéré en direct d'OpenAlex

Hydrogenation and dehydrogenation reactions are one of the pillars of the chemical industry, with applications from bulk chemicals to pharmaceuticals manufacturing. The ability to selectively add hydrogen across double and (or) triple bonds is key in the chemist’s toolbox and the enabling component in the development of sustainable processes. Traditional solution-based approaches to these reactions are tainted by significant consumption of energy and production of solvent waste. This review highlights the development and applications of recently emerged solvent-free approaches to conduct the hydrogenation of organic molecules using mechanochemistry, i.e., chemical transformations induced or sustained by mechanical force. In particular, we will show mechanochemical techniques such as ball-milling enabled catalytic or stoichiometric metal-mediated hydrogenation and dehydrogenation reactions that are simple, fast, and conducted under significantly milder conditions compared with traditional solution routes. Importantly, we highlight the current challenges and opportunities in this field, while also identifying exciting cases in which mechanochemical hydrogenation strategies lead to new, unique targets and reactivity.

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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

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 technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,007
Tête enseignante GPT0,194
Écart entre enseignants0,187 · 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

Citations13
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ChemistryMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207