MétaCan
Menu
Retour à la cohorte
Enregistrement W4392816367 · doi:10.1002/cjce.25238

The study of <scp>NH<sub>3</sub>‐SCR</scp> mechanism on <scp>γFe<sub>2</sub>O<sub>3</sub></scp> supported <scp>LaMnO<sub>3</sub></scp> catalyst based on <scp>DFT</scp>

2024· article· en· W4392816367 sur OpenAlexvenueno aff
Kangshuai Lin, Wanzhen Zhong, Lijun Zhang, Xinshenghui Zhu, Kaijie Liu, Dongdong Ren

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Shandong ProvinceNatural Science Foundation of Jiangxi ProvinceNational Natural Science Foundation of China
Mots-clésCatalysisChemistryAdsorptionDensity functional theoryMoleculeDenitrificationSelective catalytic reductionInorganic chemistryOxygenPhysical chemistryComputational chemistryNitrogenOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Fe2O3 supported LaMnO3 is an effective selective catalytic reduction (SCR) denitrification catalyst, but its reaction mechanism has not been reported yet. This article is based on the density functional theory (DFT) method to study the denitrification reaction mechanism of LaMnO3/Fe2O3 catalyst, in order to guide the development and application of denitrification catalysts. The conclusion is as follows: NH3, NO, and O2 molecules can form stable adsorption on the surface of La MnO3/γFe2O3 catalysts, and NH3 molecules are more likely to be adsorbed on Mn ions. Under the oxidation of lattice oxygen, NH3 will gradually dehydrogenate to form NH2, and then will react with NO in the air to form the transitional intermediate NH2NO, to produce N2 and H2O. The mechanisms are same on Mn and Fe sites. The dehydrogenate of NH3 to form NH2 is rate determining step. Compared with pure γFe2O3, the energy barrier decreases to promote the SCR process.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,207
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207