MétaCan
Menu
Retour à la cohorte
Enregistrement W4288046873 · doi:10.1098/rsos.220078

Insights into selective hydrogenation of levulinic acid using copper on manganese oxide octahedral molecular sieves

2022· article· en· W4288046873 sur OpenAlexfundno aff
Nayan Jyoti Mazumdar, Gunjan Deshmukh, Anna Rovea, Praveen Kumar, Miryam Arredondo, Haresh Manyar

Notice bibliographique

RevueRoyal Society Open Science · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilUK Catalysis HubTezpur UniversityQueen's UniversityQueen's University Belfast
Mots-clésLevulinic acidCatalysisCopperInorganic chemistryMaterials scienceSelectivityMolecular sieveLeaching (pedology)Inductively coupled plasmaNuclear chemistryChemistryOrganic chemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

Selective hydrogenation of levulinic acid (LA) to γ-valerolactone (GVL) was studied using copper on manganese oxide octahedral molecular sieve (OMS-2) as catalysts. A range of copper supported on OMS-2 catalysts was prepared using the modified wet-impregnation technique and characterized thoroughly using powder X-ray diffraction, inductively coupled plasma optical emission spectroscopy metal analysis, Fourier transform infrared, high-resolution transmission electron microscopy and N 2 sorption analyses. Process parameters for selective hydrogenation of LA to GVL were optimized using the design of experiment (DoE) approach with response surface methodology comprising a central composite design. Using the optimized conditions (190°C reaction temperature, 20 bar H 2 pressure and 20 wt% Cu loading on OMS-2), up to 98% yield of GVL could be achieved in water as a solvent. Based on DoE, H 2 pressure had the most influence on GVL selectivity followed by catalyst loading used for the hydrogenation of LA. The response surface methodology model also showed synergistic effect of reaction temperature and H 2 pressure on the yield of GVL. 20 wt% Cu/OMS-2 catalysts were re-used up to four cycles and showed noticeable loss of activity after the first cycle due to observed leaching of loose Cu species, thereafter the activity loss diminished during subsequent recycles.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,199
Score d'incertitude au seuil0,557

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,011
Tête enseignante GPT0,257
Écart entre enseignants0,245 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueRoyal Society Open ScienceMême sujetCatalysis for Biomass ConversionTravaux en français237 207