Engineering the Surface Chemistry and Morphology of Polymeric Carbon Nitrides Towards Greener Heterogeneous Catalysts for Biodiesel Synthesis
Notice bibliographique
Résumé
Biodiesel remains one of the most promising alternatives to replace fossil fuel-derived petrodiesel. Nonetheless, conventional biodiesel synthesis relies on homogeneous alkali-based catalysts that involve long and tedious purification steps , increasing biodiesel production costs. Heterogeneous catalysts have emerged as promising alternatives to circumvent these drawbacks, as they can easily be recovered and reused. Herein, polymeric carbon nitride dots and nanosheets are synthesized through a solid-phase reaction between urea and sodium citrate. Their morphology and surface chemistry are tuned by varying the precursor's ratio, and the materials are investigated as catalysts in the transesterification reaction of canola oil to biodiesel. A conversion of > 98% is achieved using a 5 wt% catalyst loading, oil to methanol ratio of 1:36 at 90 °C for 4 h, with the performance maintained over at least five reuse cycles. In addition, the effect of the transesterification reaction parameters on the reaction kinetics is evaluated, which follows a pseudo-first-order (PFO) regime. Combined with a deep understanding of the catalyst's surface, these results have allowed us to propose a reaction mechanism similar to the one observed for homogenous alkali catalysts. These carbon nitride-based nanoparticles offer a metal-free and cost-effective alternative to conventional homogeneous and metal-based heterogeneous catalysts.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».