Amino‐Modified Polymer Immobilized Ionic Liquid Stabilized Ruthenium Nanoparticles: Efficient and Selective Catalysts for the Partial and Complete Reduction of Quinolines
Notice bibliographique
Résumé
Abstract RuNPs stabilised by amino‐decorated imidazolium‐based polymer immobilized ionic liquids catalyse the dimethylamine borane mediated reduction of quinolines to 1,2‐dihydroquinoline (DHQ) and 1,2,3,4‐tetrahydroquinoline (THQ). Partial reduction of 3‐substituted quinolines to the corresponding 1,2‐dihydroquinoline was achieved with 100 % selectivity in toluene under mild conditions. This is the first report of the selective partial reduction of 3‐substituted quinolines to the corresponding 1,2‐dihydroquinolines with a heterogeneous nanoparticle‐based catalyst. A wide range of substituted quinolines have also been reduced to the corresponding 1,2,3,4‐tetrahydroquinoline with high selectivity and good yields by adjusting the reaction time. The 1,2‐dihydroquinolines readily release dihydrogen in toluene at 60 °C in the absence of catalyst with no evidence for disproportionation and as such are potential organo‐hydride reagents. The initial TOF of 610 mol quinoline converted mol Ru −1 h −1 for the reduction of quinoline is among the highest to be reported for a metal nanoparticle‐based catalyst and the conversion of 96 % obtained after 4 h at 65 °C is significantly higher than its platinum nanoparticle counterpart PtNP@NH 2 ‐PEGPIILS as well as 5 wt/% Ru/C, which only reached 9 % and 11 % conversion, respectively, at the same time. Hot filtration experiments showed that the active species was heterogeneous.
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 | 0,001 |
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 ».