Green Chemistry for the Transformation of Chlorinated Wastes: Catalytic Hydrodechlorination on Pd-Ni and Pd-Fe Bimetallic Catalysts Supported on SiO2
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Monometallic catalysts based on Fe, Ni and Pd, as well as bimetallic catalysts based on Fe-Pd and based on Ni-Pd supported on silica, were synthesized using a sol–gel cogelation process. These catalysts were tested in chlorobenzene hydrodechlorination at low conversion to consider a differential reactor. In all samples, the cogelation method allowed very small metallic nanoparticles of 2–3 nm to be dispersed inside the silica matrix. Nevertheless, the presence of some large particles of pure Pd was noted. The catalysts had specific surface areas between 100 and 400 m2/g. In view of the catalytic results obtained, the Pd-Ni catalysts are less active than the monometallic Pd catalyst (<6% of conversion) except for catalysts with a low proportion of Ni (9% of conversion) and for reaction temperatures above 240 °C. In this series of catalysts, increasing the Ni content increases the activity but leads to an amplification of the catalyst deactivation phenomenon compared to Pd alone. On the other hand, Pd-Fe catalysts are more active with a double conversion value compared to a Pd monometallic catalyst (13% vs. 6%). The difference in the results obtained for each of the catalysts in the Pd-Fe series could be explained by the greater presence of the Fe-Pd alloy in the catalyst. Fe would have a cooperative effect when associated with Pd. Although Fe is inactive alone for chlorobenzene hydrodechlorination, when Fe is coupled to another metal from the group VIIIb, such as Pd, it allows the phenomenon of Pd poisoning by HCl to be reduced.
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.
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 découle