MétaCan
Menu
Retour à la cohorte
Enregistrement W4392285397 · doi:10.1021/acs.energyfuels.3c04762

Enhanced Biomass-Derived Glycerol Conversion to Syngas in the CO<sub>2</sub> Reforming Process: Influence of the Nickel Loading Method on Physicochemical Properties and Catalytic Performance

2024· article· en· W4392285397 sur OpenAlexaff
Zahra Pirzadi, Fereshteh Meshkani, Dai‐Viet N. Vo

Notice bibliographique

RevueEnergy & Fuels · 2024
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSyngasNickelCatalysisBiomass (ecology)GlycerolProcess (computing)Chemical engineeringChemistryCatalytic reformingMaterials scienceOrganic chemistryComputer science

Résumé

récupéré en direct d'OpenAlex

In the current study, renewable syngas production from glycerol has been investigated through a catalytic dry reforming process using the Ni/CaO·Al 2 O 3 catalyst. Calcium aluminate support has been synthesized via a one-step sol–gel technique. The active metal of Ni attached to the CaO·Al 2 O 3 is supported by wet impregnation, simultaneous sol–gel, and EDTA-assisted impregnation. Investigation of different methods’ impact on Ni species attachment onto carrier revealed that the EDTA-assisted impregnation method improves the reducibility catalytic activity (57% at 750 °C) of the catalyst in the dry reforming of glycerol (dry-RG) process. It also affects carbon formation on the catalyst surface. Besides, the impact of Ni content (5–20 wt %) in the catalyst has been evaluated. Increasing the nickel loading amount increased the active phase’s reducibility and reduced the pore size. Ni loading experiments’ results indicate that glycerol conversion improves with increasing Ni loading up to 10 wt %, impregnated by chelated Ni species [Ni (EDTA) 2– ] onto calcium aluminate support. Based on the characterization results, the impact of the nickel loading method and amount on the dry-RG reaction was discussed.

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)0,000
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 enseignants0,005
Score d'incertitude au seuil0,615

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,243
Écart entre enseignants0,230 · 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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetCatalysts for Methane ReformingTravaux en français237 207