Promoting Effect of Supports with Oxygen Vacancies as Extrinsic Defects on the Reduction of Iron Oxide
Notice bibliographique
Résumé
The utilization of substrates that contain oxygen vacancies represents an effective approach to improve the reducibility of supported metal oxides and, thereby, increase the activity of metallic catalysts and the performance of oxygen carriers. However, the influence of different types of oxygen vacancies of the substrates on the reduction kinetics of supported metal oxides is not well understood. Here this influence was analyzed for supported iron oxide using temperature-programmed reduction (H 2 -TPR), X-ray diffraction (XRD), and X-ray photoelectron spectroscopy (XPS). Kinetic parameters obtained by deconvolution of TPR profiles using a novel method indicate that supports containing oxygen vacancies as extrinsic defects (BaZr 0.8 Ce 0.1 Y 0.1 O 3−δ and yttria-stabilized zirconia) promote the reduction of iron oxide with activation energies lower than for the reduction of pure iron oxide. The reaction mechanism is successfully described by a nucleation and nuclei growth model (Avrami–Erofeev) in a combined two- and three-step process with the formation of metallic iron at low temperatures (∼400 °C). In contrast, supports with oxygen vacancies as intrinsic defects (CeO 2 and TiO 2 ) inhibit the reduction due to complex kinetics associated with strong metal–support interactions. The mechanism by which oxygen vacancies affect the reducibility of iron oxides is rationalized in terms of different electronic/metal–support interactions.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».