MétaCan
Menu
Retour à la cohorte
Enregistrement W4388307183 · doi:10.1039/d3ra05858a

Development of a chromium oxide loaded mesoporous silica as an efficient catalyst for carbon dioxide-free production of ethylene oxide

2023· article· en· W4388307183 sur OpenAlexfundno aff
Muhammad Maqbool, Toheed Akhter, Sadaf Ul Hassan, Asif Mahmood, Waheed Al‐Masry, Shumaila Razzaque

Notice bibliographique

RevueRSC Advances · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMesoporous Materials and Catalysis
Établissements canadiensnon disponible
Organismes subventionnairesHorizon 2020 Framework ProgrammeSoutheastern Ontario Academic Medical OrganizationKing Saud UniversityEuropean Commission
Mots-clésEthylene oxideOxideCarbon dioxideCatalysisEthylene glycolRaw materialMesoporous materialSilicon dioxideChromium oxideMesoporous silicaPolymerChemical engineeringEthyleneChromiumMaterials scienceChemistryOrganic chemistryMetallurgyCopolymer

Résumé

récupéré en direct d'OpenAlex

but also mitigated the risk of metal leaching. Confirmation of the successful production of EO was achieved through GC chromatography, where the presence of a peak with a retention time (RT) of 8.91 minutes served as conclusive evidence. We systematically explored a range of reaction parameters, including temperature, catalyst concentration, the molar ratio of ethylene to PAA, and solvent effect. This comprehensive investigation aimed to fine-tune the reaction conditions, ultimately improving ethylene conversion and enhancing the selectivity of the catalyst for EO production. This approach can effectively resolve the issues of greenhouse gas emissions and metal leaching that had been associated with previously reported 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 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)0,000
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 enseignants0,011
Score d'incertitude au seuil0,898

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,268
Écart entre enseignants0,252 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRSC AdvancesMême sujetMesoporous Materials and CatalysisTravaux en français237 207