MétaCan
Menu
Retour à la cohorte
Enregistrement W4386461566 · doi:10.1021/acs.iecr.3c01564

Synthesis of Higher-Order Nitrogen-Containing Organic Compounds from Butylamine Using a Microsecond Pulse Dielectric Barrier Discharge

2023· article· en· W4386461566 sur OpenAlexafffund
Avishek Banerjee, Owen Armstrong, Pierre‐Luc Girard‐Lauriault

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePlasma Applications and Diagnostics
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésMicrosecondDielectric barrier dischargeChemistryNitrogenPlasmaArgonNonthermal plasmaDielectricChemical engineeringOrganic chemistryMaterials sciencePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Synthesis of nitrogen-containing organic compounds (NOCs), especially higher-order NOCs, is very energy intensive, and traditional methods emit a high amount of CO 2 equivalents into the environment. To lower emissions and alleviate the energy requirements of the process, we propose the use of gas over liquid non-thermal plasma (NTP) as a substitute. In this work, we investigate the formation of higher-order NOCs from butylamine and subsequently study the process’s changing reaction chemistry with gas mixtures, reactor temperature, and treatment time. Different compounds in the form of aliphatic and aromatic amines, nitriles, and azoles were observed. Under the optimized conditions, our proposed reactor was able to achieve a production efficiency of 49.4 g/kWh with pure argon gas at −20 °C. The selectivity of the products varied with gas mixtures, reactor temperature, and treatment time due to altering reaction pathways which are discussed in more detail. An insight into the dielectric barrier discharge (DBD) conditions for obtaining different plasma chemistry in NOC synthesis can thus provide a foundation to develop a novel synthetic approach.

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)0,003
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 enseignants0,008
Score d'incertitude au seuil0,896

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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)0,0010,000

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 Opus0,068
Tête enseignante GPT0,329
Écart entre enseignants0,261 · 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

Citations7
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetPlasma Applications and DiagnosticsTravaux en français237 207