Highly Active Ni Nanoparticles on N‐doped Mesoporous Carbon with Tunable Selectivity for the One‐Pot Transfer Hydroalkylation of Nitroarenes with EtOH in the Absence of H<sub>2</sub>
Notice bibliographique
Résumé
Abstract Cost‐effective and environmentally friendly conversion of nitroarenes into value‐added products is desirable but still challenging. In this work, highly dispersed Ni nanoparticles (NPs) supported on N‐doped mesoporous carbon (Ni/NC‐x) were synthesized via novel ion exchange‐pyrolysis strategy. Their catalytic performance was investigated for one‐pot transfer hydroalkylation of nitrobenzene (NB) with EtOH in absence of H 2 . Interestingly, the catalytic performance could be easily manipulated by tuning the morphology and electronic state of Ni NPs via varying the pyrolysis temperature. It was found that the Ni/NC‐650 achieved 100 % nitrobenzene conversion and approx. 90 % selectivity of N,N‐diethyl aniline at 240 °C for 5 h, more active than those of homogeneous catalysts or supported Ni catalysts prepared by impregnation (Ni/NC‐650‐IM, Ni/SiO 2 ). This can be ascribed to the higher dispersion and better reducibility as well as richer surface basicity of the catalyst. More interestingly, the Ni/NC‐650 catalyst achieved complete conversion of various nitroarenes, yielding imines, secondary amines, or tertiary amines selectively by simply controlling the reaction temperature at 180, 200 and 240 °C, respectively. The one‐pot hydrogen‐free process with non‐noble metal catalysts, as demonstrated in this work, shows great promise for selective conversion of nitroarenes with ethanol to various anilines at industrial scale, from an economic, environmental, and safety viewpoint.
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 | 0,000 | 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) | 0,000 | 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 ».