Synthesis and Characterization of NiMo Catalysts Supported on Fine Carbon Particles for Hydrotreating: Effects of Metal Loadings in Catalyst Formulation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The by-products collected during the synthesis of carbon nanohorns via the arc discharge synthesis method is comprised of other carbon particles (OCP). At a hydrotreating operating temperature of 370°C, preliminary investigations using a bimetallic catalyst with support originating from the fine fractions of other carbon particles (OCP f ) and containing 13 wt% Mo and 2.5 wt% Ni resulted in an HDS and HDN conversion of 78 and 25%, respectively. Variation of metal compositions in catalyst formulation and its impact on hydrotreating activity was therefore considered in this study to enhance the hydrotreating activity of OCP f –supported catalyst, and to determine if the best NiMo/OCP f catalyst achieved from this study could be a viable catalyst for hydrotreating applications. The co-incipient wetness impregnation was used in preparing series of hydrotreating catalysts with Ni and Mo loadings within the range of (2.5–5.0 wt%) and (13–26 wt%) respectively. Overall, the catalyst samples with maximum Ni loading of 5.0 wt% and Mo loadings of either 13 or 19 wt% showed higher dispersion and the ability to form a Type II Ni-Mo-S phase with enhanced activity. The effects of metal compositions on both HDS and HDN activities were correlated with their physicochemical properties.
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.
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 découle