MétaCan
Menu
Retour à la cohorte
Enregistrement W3139446967 · doi:10.1021/acscatal.0c05233

Mechanistic Insights on the Semihydrogenation of Alkynes over Different Nanostructured Photocatalysts

2021· article· en· W3139446967 sur OpenAlexafffund
Bowen Wang, Anabel E. Lanterna, J. C. Scaiano

Notice bibliographique

RevueACS Catalysis · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanada Foundation for Innovation
Mots-clésCatalysisSelectivityAlkeneDesorptionChemistryAlkanePalladiumCobaltMoleculePhotochemistryInorganic chemistryCombinatorial chemistryOrganic chemistryAdsorption

Résumé

récupéré en direct d'OpenAlex

A single-molecule microscopy study of the interaction of dye-modified alkanes, alkenes, and alkynes with nanostructured catalysts based on TiO2 reveals significant differences in the desorption kinetics of the probe molecules depending on the chemical nature of the catalyst. A comparison of TiO2 with materials decorated with palladium (Pd@TiO2) or molybdenum/cobalt (MoCo@TiO2) reveals kinetic differences that in part justify the better performance of MoCo@TiO2 in semihydrogenation reactions. Whereas the single-molecule desorption rate is ∼50% higher for MoCo@TiO2 than Pd@TiO2, analysis at the bench scale indicate alkene-to-alkane conversion is around 10 times faster for Pd (k2Pd = 0.02 s–1) than for MoCo (k2MoCo = 0.002 s–1) catalysts. This suggests selectivity is not solely determined by the desorption processes and that the hydrogenation rate constant (k21) for the on-surface hydrogenation of alkenes to alkanes is much faster for Pd@TiO2 than for MoCo@TiO2. Thus, the latter shows greater selectivity toward partial hydrogenation reactions compared with Pd@TiO2, whose great hydrogenation performance becomes a disadvantage for the selectivity needed for semihydrogenation processes.

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 seuil0,963

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,010
Tête enseignante GPT0,241
Écart entre enseignants0,230 · 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

Citations14
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS CatalysisMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207