Pd–Ni bimetallic nanoparticles supported on TiO<sub>2</sub> as an efficient catalyst for catalytic transfer hydrodeoxygenation of guaiacol
Notice bibliographique
Résumé
Bio-oil is a sustainable energy source, produced from pyrolysis of lignocellulosic materials or algae. It is, however, difficult to directly use the bio-oil for fuels due to several drawbacks, such as its viscosities and high oxygen content. One of the ways to solve this is upgrading of the bio-oil through hydrodeoxygenation (HDO). In this study, guaiacol was used as a bio-oil model compound in HDO reaction via catalytic transfer hydrogenation. The reaction was conducted in the presence of TiO 2 -supported palladium catalysts, with isopropyl alcohol as a hydrogen source. Nickel and molybdenum were added into the Pd catalyst to investigate their effects on the catalyst activity. The prepared catalysts were characterized using XRD, N 2 physisorption, hydrogen temperature-programmed reduction, and transmission electron microscopy. HDO reaction was carried out using a pressurized batch reactor at 250 °C for 1 h with 30 bar of helium. Liquid products were analyzed by GC–MS and GC–FID to identify and quantify the conversions and product yields. The result showed that the presence of nickel on the catalyst could improve the catalytic activity of Pd/TiO 2 . Guaiacol conversion over Pd–Ni/TiO 2 was 32.2%, while the conversion of guaiacol over Pd/TiO 2 was only 17.9%. In addition, Pd–Ni/TiO 2 showed good selectivity to produce cyclohexanol, while Pd/TiO 2 showed good selectivity to produce one oxygenated compound such as 2-methylphenol and phenol.
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 ».