MétaCan
Menu
Retour à la cohorte
Enregistrement W4393176617 · doi:10.1016/j.biombioe.2024.107179

Engineering biochar-supported nickel catalysts for efficient CO2 methanation

2024· article· en· W4393176617 sur OpenAlexafffund
Alexandra J. Frainetti, Naomi B. Klinghoffer

Notice bibliographique

RevueBiomass and Bioenergy · 2024
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMethanationBiocharMethaneCatalysisNickelMaterials scienceYield (engineering)Space velocityChemistrySelectivitySubstitute natural gasIncipient wetness impregnationInorganic chemistryChemical engineeringPyrolysisSyngasMetallurgyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Carbon dioxide methanation is a promising approach to convert captured CO2 into green natural gas. Developing high performance biochar-supported nickel catalysts promotes a circular economy and the application of sustainable catalysts. Western red cedar biochar was produced via pyrolysis at 400, 500, and 600 °C and loaded with nickel via incipient wetness impregnation. Methanation was done at 400, 500, and 600 °C with the highest methane yield of 59% achieved at 500 °C with 10 wt.% Ni loading. This is comparable to a γ-Al2O3 supported catalyst prepared and tested similarly, which achieved a methane yield of 53%. Biochar-supported catalysts showed deactivation whereby methane yield decreased from 59% to 51% over 5 h, likely due to coking and/or the sintering of nickel. Various space velocities were tested, and results demonstrated that with a space velocity of 37.5 mL/g.min methane selectivity was 89% after 1 h on stream compared to methane selectivity of 42%, which was achieved at a space velocity of 112.5 mL/g.min. This shows that a much higher rate of deactivation is observed at higher space velocities. Increasing the nickel loading from 5 wt.% to 10 wt.% increased methane yield from 40% to 58% after 1 h on stream. The higher loading also showed significantly less deactivation. Future work focusing on the extent and impact of metal-support interactions and metal dispersion on catalytic performance and deactivation during CO2 methanation is recommended.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
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 Opus0,013
Tête enseignante GPT0,243
Écart entre enseignants0,231 · 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'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

Citations31
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomass and BioenergyMême sujetCatalysts for Methane ReformingTravaux en français237 207