Dry Reforming of Methane Using Ni Catalyst Supported on ZrO2: The Effect of Different Sources of Zirconia
Notice bibliographique
Résumé
Dry reforming of methane (DRM) has a substantial potential to provide a cost-effective process and in reducing greenhouse gases. Its application has been hindered by carbon deposition and instability problems. The use of an appropriate catalyst is influenced by the support type. The objective of this investigation is to elucidate the effect of different sources of ZrO2 support. Four kinds of ZrO2, namely RC-100 and Z-3215, MKnano, and ELTN were acquired from Japan, Canada, and China, respectively. The catalyst samples were analyzed by BET, XRD, TPR, TPD, TEM, TGA, TPO, FT-IR, and Raman. The analysis of the structural properties displayed that all Ni-supported catalysts, regardless of their source, are mesoporous and that 5Ni-RC-100 possessed the highest BET surface area of 17.7 m2/g and 5Ni-MKnano had the lowest value of BET 3.16 m2/g. In the TPD and TEM analysis, the 5Ni-RC-100 catalyst presented the highest intensity of basicity and the minimum average particle size of 3.35 nm, respectively. The 5Ni-RC-100 catalyst outperformed 5Ni-ELTN by exhibiting 44% higher CH4 conversion; however, 5Ni-RC-100 gave the highest weight loss in the TGA analysis of 66%.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».