Efficient extraction and theoretical insights for separating <i>o</i> ‐, <i>m</i> ‐, and <i>p</i> ‐cresol from model coal tar by an ionic liquid [ <scp>Emim</scp> ][ <scp>DCA</scp> ]
Notice bibliographique
Résumé
Abstract Cresols are valuable phenolic chemicals which are mainly separated from coal tar. The separation of cresols using sustainable technology is of importance for comprehensive utilization of coal tar. In this work, for extracting o ‐, m ‐, and p ‐cresol from the model coal tar, an ionic liquid 1‐ethyl‐3‐methylimidazolium dicyanamide ([Emim][DCA]) was prepared. The influence of ionic liquid dosage, extraction time, and temperature on separating o ‐, m ‐, and p ‐cresol was explored. The extraction efficiency was determined from the experimental results to assess the extraction ability of [Emim][DCA]. With the optimal conditions, o ‐, m ‐, and p ‐cresol were extracted efficiently from the model coal tar and the extraction efficiencies of o ‐cresol, m ‐cresol, and p ‐cresol were up to 99.50%, 99.65%, 98.38%, respectively. In the meantime, the extraction mechanism was determined by calculation of σ ‐profile, interaction energy, and electron density. The results showed that [Emim][DCA] and cresols formed the complexes by hydrogen bond. The formation of hydrogen bond was verified by the FTIR spectra, which is helpful for designing the related ionic liquids for recovering the phenolic compounds from coal tar. In addition, the recyclability of the [Emim][DCA] was explored.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».