Intensifying levulinic acid hydrogenation using mechanochemically prepared copper on manganese oxide catalysts
Notice bibliographique
Résumé
A series of copper nanoparticles supported on manganese oxide octahedral molecular sieves (OMS-2) were prepared using mechanochemical (Ball-Mill) and conventional wet-impregnation (Wet-Imp) methods. All catalysts prepared were thoroughly characterised using ICP-OES elemental analysis, X-ray diffraction (XRD), N2 sorption, H2 temperature programmed reduction (TPR) and transmission electron microscopy (TEM) techniques. The catalyst preparation methods greatly affected the size of the Cu nanoparticles. TEM images showed that 5 wt% Cu/OMS-2 (Ball-Mill) catalyst had a narrow particle size distribution with an average Cu nanoparticle size of 2.1 nm, while the corresponding 5 wt% Cu/OMS-2 catalyst prepared using wet-impregnation method had an average Cu nanoparticle size of 19.2 nm. The structural features of the catalysts were corelated with the catalytic activity using the liquid phase hydrogenation of levulinic acid (LA) to γ-valerolactone (GVL), as an exemplar process. In LA hydrogenation at 190 °C and 20 bar H2 pressure, the ball milled catalysts achieved higher LA conversion, and greater GVL yield, as compared to the corresponding catalysts prepared by wet-impregnation method, reinforcing that Cu nanoparticle size and metal dispersion are important tool to intensify the catalytic activity. For instance, 5 wt% Cu/OMS-2 (Ball-Mill) catalyst achieved almost twice the turnover frequency (TOF), 24.7 h−1 as compared to the 5 wt% Cu/OMS-2 (Wet-Imp) catalyst, TOF 11.8 h−1, under identical reaction conditions. The results of this study demonstrate that ball milling is a superior method for Cu/OMS-2 catalyst preparation than wet impregnation.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».