Properties evolution of LaCoO3 Perovskite synthesized by reactive grinding – Application to the toluene oxidation reaction
Notice bibliographique
Résumé
Perovskites are well known materials that are considered as viable alternative to noble metal-based catalysts in the environmental field. To be competitive, major issues such as unattractive textural properties and lower intrinsic activities than those of noble metal counterparts must be first addressed. On the other hand, reactive grinding is a versatile method to efficiently synthesize materials with improved textural properties, depending on the sequence and parameters. LaCoO3 perovskites were synthesized by a three-step reactive grinding top-down process: (i) solid-state reaction – SSR; (ii) high energy ball milling – HEBM; (iii) low energy ball milling – LEBM. The physicochemical properties evolution of perovskite materials over the reactive grinding process was investigated by XRD, N2-physisorption, ICP-OES, XPS, H2-TPR, O2-TPD and OIE, while their catalytic performances were evaluated for the toluene total oxidation reaction in dry and wet conditions. Each successive reactive grinding step allowed us to optimize the catalysts textural properties, with respectively the obtention of a microcrystalline material, a drastic reduction of crystal size to a nanometric scale along with formation of dense particles and then a significant increase of specific surface area up to 50 m2·g−1 by particles deagglomeration. The reactive grinding sequence presented here also deeply impacted the redox properties of LaCoO3 catalysts, leading to increased performances in the toluene total oxidation reaction (SSR < HEBM < LEBM). A special care was paid to the impact of Fe contamination over grinding steps and time, on redox and catalytic properties of LaCoO3 samples.
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 | 0,001 | 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 ».