MétaCan
Menu
Retour à la cohorte
Enregistrement W4307404703 · doi:10.1002/cjce.24736

An overview of mono‐ethylene glycol synthesis via <scp>CO</scp> coupling reaction: Catalysts, kinetics, and reaction pathways

2022· article· en· W4307404703 sur OpenAlexvenueno aff
Nikhil K. Gor, Praveen Kumar Chinthala, Asit Kumar Das, Prakash D. Vaidya

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensnon disponible
Organismes subventionnairesConstruction Industry Institute, University of Texas at Austin
Mots-clésSyngasEthylene glycolRaw materialCatalysisYield (engineering)ChemistryOrganic chemistryChemical engineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract Monoethylene glycol (MEG) is a promising chemical and a useful feedstock for the synthesis of several industrial products. The current commercial process of MEG production utilizes petroleum feedstock (ethylene) and an expensive catalyst, and the yield is low. Syngas is an attractive alternate feedstock for MEG. Syngas to MEG proceeds in two steps: the self‐closing, green step of carbonylation of alkyl nitrile to produce dialkyl oxalate, and further hydrogenation of oxalate to MEG. Many reviews which focused on catalyst development, reaction mechanisms, and process variables were published earlier. The present work covers the developments in the syngas‐to‐MEG synthesis process after 2014. It overviews the performance of novel catalyst systems reported in literature. A discussion on reaction pathways and kinetic models is also presented. This work will provide useful insight into syngas‐to‐MEG conversion.

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)0,001
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 enseignants0,017
Score d'incertitude au seuil0,920

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,227
Écart entre enseignants0,206 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCatalysts for Methane ReformingTravaux en français237 207