MétaCan
Menu
Retour à la cohorte
Enregistrement W3128333264 · doi:10.1021/acscatal.0c05325

A Career in Catalysis: James A. Dumesic

2021· article· en· W3128333264 sur OpenAlexaff
Carl R.F. Lund, Bruce J. Tatarchuk, Nelson Cardona-Martı́nez, Josephine M. Hill, Marco A. Sánchez-Castillo, George W. Huber, Yuriy Román‐Leshkov, Dante Simonetti, Yomaira J. Pagán‐Torres, Thomas J. Schwartz, Ali Hussain Motagamwala

Notice bibliographique

RevueACS Catalysis · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCatalysisChemistryPsychologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

After 43 years as a professor in the Chemical and Biological Engineering Department at the University of Wisconsin-Madison, James A. Dumesic retired in 2019. Jim is one of the most influential researchers in the field of heterogeneous catalysis. In this Account, we discuss the scientific discoveries that he made and the intellectual processes that he followed during his illustrious career to steer the field of heterogeneous catalysis into new frontiers. He began his career by fundamentally probing the nature of active sites on heterogeneous catalysts using in situ Mössbauer spectroscopy, electron microscopy, FTIR, and kinetic analysis. This tool kit was used to elucidate the “strong metal support interaction” (SMSI) effect. He developed new microcalorimetric tools to measure the energetics of adsorbates on catalyst surfaces. Jim pioneered microkinetic analysis as a tool to describe heterogeneous reaction kinetics incorporating the essential surface chemistry into kinetic analysis, thereby providing a novel strategy for kinetic assisted catalyst design. Density functional theory (DFT) was combined with FTIR and microcalorimetry to elucidate catalytic surface reactions which were then incorporated into microkinetic models. In the early 2000s, Jim developed the aqueous-phase catalytic processing of biomass-derived oxygenates into fuels and chemicals. This led to the development of new processes to make diesel fuel, jet fuel, gasoline, aromatics, and oxygenated chemicals from renewable resources, several of these technologies are in the process of being commercialized. Jim tailored nanostructured catalytic materials by atomic layer deposition and controlled surface reactions to withstand harsh aqueous-phase biomass processing conditions. He used careful selection and tuning of the solvent composition to achieve substantial control over the activity and selectivity of various biomass upgrading reactions and developed a theory to explain these solvent effects. Underlying these discoveries was a thought process that used fundamental surface chemistry to explain the relationship between the structure, properties, and performance of the catalytic system. Leveraging this thought process across many different reaction classes helped to establish both new tools for catalysis research and to develop new processes for the sustainable production of fuels and chemicals.

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 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 enseignants0,247
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
Bibliométrie0,0000,002
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)0,0000,001

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 GPT0,183
Écart entre enseignants0,175 · 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.

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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS CatalysisMême sujetCatalysis for Biomass ConversionTravaux en français237 207