MétaCan
Menu
Retour à la cohorte
Enregistrement W4229331889 · doi:10.3390/catal12050524

Reducibility Studies of Ceria, Ce0.85Zr0.15O2 (CZ) and Au/CZ Catalysts after Alkali Ion Doping: Impact on Activity in Oxidation of NO and CO

2022· article· en· W4229331889 sur OpenAlexafffund
Ewa M. Iwanek, Leonarda Francesca Liotta, Shazam Williams, Linjie Hu, Huitian Ju, G. Pantaleo, Zbigniew Kaszkur, Donald W. Kirk, Wojciech Patkowski, Marek Gliński

Notice bibliographique

RevueCatalysts · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversity of Toronto
Organismes subventionnairesPolitechnika WarszawskaUniversity of Toronto
Mots-clésAlkali metalCatalysisInorganic chemistryIonPotassiumRedoxMetalMaterials scienceDopingChemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

The aim of these studies was to perform thorough research on the influence of alkali metal ions (Li, Na, K and Cs) on the properties of nanogold catalysts supported on ceria–zirconia. The addition of alkali metal ions onto CeO2 further affected the reducibility, which was not noted for the Zr-doped support (Ce0.85Zr0.15O2). Despite the substantial impact of alkali metal ions on the reducibility of ceria, the activity in CO oxidation did not change much. In contrast, they do not have a large effect on the reducibility of Au/CZ but suppressed the activity of this system in CO oxidation. The results show that for CO oxidation, the negative effect of potassium ions is greater than that of sodium, which corresponds to the shift in the Tmax of the reduction peak towards higher temperatures. The negative effect of Li+ and Cs+ spans 50% CO conversion. The negative effect was visible for CO oxidation in both the model stream and the complex stream, which also contained hydrocarbons and NO. In the case of NO oxidation to NO2, two temperature regimes were observed for Au + 0.3 at% K/CZ, namely in the temperature range below 350 °C; the effect of potassium ions was beneficial for NO oxidation, whereas at higher temperatures, the undoped gold catalyst produced more NO2.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,888

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,336
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCatalystsMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207