Mechanistic studies on the conversion of NO gas on urea-iron and copper metal organic frameworks at low temperature conditions: in situ infrared spectroscopy and Monte Carlo investigations
Notice bibliographique
Résumé
Nitrogen oxide (NOx) emissions from high-temperature combustion processes under fuel-lean conditions continue to be a challenge for the energy industry. Selective catalytic reduction (SCR) is possible using metal oxides and zeolites. There is still a need to identify catalytic materials that are efficient in reducing NOx to environmentally benign nitrogen gas at temperatures lower than 200 °C. Metal-organic frameworks (MOFs) have emerged as a class of highly porous materials with unique physical and chemical properties. This study is motivated by the lack of systematic investigations on SCR using MOFs under industrially relevant conditions. Here, we investigate the extent of NO conversion with two commercially available MOFs, Basolite F300 (Fe-BTC) and HKUST-1 (Cu-BTC), mixed with solid urea as a source for the reductant, ammonia gas. For comparison, experiments were also conducted using cobalt ferrite (CoFe2O4) as a non-porous counterpart to relate its reactivity to those obtained from MOFs. Fourier-transform infrared spectroscopy (FTIR) was utilized to identify the gas and surface species in the temperature range of 115–180 °C. Computational analysis was performed using Monte Carlo simulations to quantify the adsorption energies of different surface species. The results show that the rate of ammonia production from the in situ solid urea decomposition was higher using CoFe2O4 than Fe-BTC and Cu-BTC and that there was very limited conversion of NO on the mixed solid urea-MOF systems due to site blocking. The main conclusions from this study are that MOFs have limited ability to convert NO under low-temperature conditions and that surface regeneration requires additional experimental steps.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».