Ni-Cu/Al2O3 from Layered Double Hydroxides Hydrogenates Furfural to Alcohols
Notice bibliographique
Résumé
The hydrogenation of furfural is an important process in the synthesis of bio-based chemicals. Copper-based catalysts favor the hydrogenation of furfural to alcohols. Catalytic activity and stability were higher at a Ni-to-Cu atomic ratio of 1:1 and 1.5:0.5 compared to 0.5:1.5. Here, we prepared Ni-Cu/Al2O3 hydrogenation catalysts derived from layered double hydroxides (LDHs). Catalysts calcined at 673 K and reduced at 773 K with nominal Ni/Cu atomic ratios y/x = 1.5/0.5, 1/1 and 0.5/1.5 were characterized by XRD, FESEM-EDX, H2-TPR, XPS, FAA and BET. Their activity was tested at 463 K and in a 0.05 g g−1 furfural solution in ethanol, and the space velocity in a packed-bed reactor (PBR) was 2.85 gFF gcat−1 h−1. In a slurry reactor (SSR) at 5 MPa H2 and a contact time of 4 h, conversion was complete, while it varied from 91 to 99% in the PBR. Tetrahydrofurfuryl alcohol (TFA) was the main product in the SSR, with a selectivity of 32%, 63% and 56% for Ni0.5Cu1.5Al1, Ni1Cu1Al1 and Ni1.5Cu0.5Al1, respectively. The main product in the atmospheric PBR was furfuryl alcohol (FA), with a selectivity of 57% (Ni0.5Cu1.5Al1), 61% (Ni1Cu1Al1) and 58% (Ni1.5Cu0.5Al1). Other products included furan, methylfuran, 1-butanol and 1,2-pentanediol. Ethyl tetrahydrofurfuryl ether and difurfuryl ether were also formed via the nucleophilic addition of furfural with ethanol and furfuryl alcohol.
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 | 0,000 |
| 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) | 0,001 | 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 ».