MétaCan
Menu
Retour à la cohorte
Enregistrement W4396239898 · doi:10.1021/acssuschemeng.4c01010

Tuning RHO Zeolite Crystallization Time and Precursors for Stable and Improved Methanol Conversion to Dimethyl Ether Compared to Conventional Catalysts

2024· article· en· W4396239898 sur OpenAlexafffund
Alireza Lotfollahzade Moghaddam, Mohammad Ghavipour, Jan Kopyscinski, Melanie J. Hazlett

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensMcGill UniversityConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDimethyl etherCrystallizationCatalysisZeoliteMethanolDiesel fuelMaterials scienceChemical engineeringNuclear chemistryChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Energy supply is a significant concern that can be addressed by developing sustainable energy sources. Dimethyl ether (DME) shows remarkable promise in this regard, as it finds applications in diesel fuel engines and LPG systems and serves as an excellent carrier for H 2 . In this study, various RHO samples were synthesized by modifying preparation parameters and evaluated for their performance in this reaction. Through characterization analyses such as XRD, BET, NH 3 -TPD, SEM, EDS, and reactor experiments, it was determined that the optimized sample with the highest crystallization degree (10 days of hydrothermal crystallization) and synthesized with a template:Al 2 O 3 ratio of 0.5:1 possessed an optimum weak/strong acid sites ratio of 1.49 which effectively addressed the limitations of previous catalysts, such as high-temperature requirements and rapid deactivation. The RHO sample achieved the highest conversion rates at temperatures as low as 190 °C, maintaining its efficacy for several days. It was observed that the RHO sample performed superior to common ZSM-5 zeolite for this reaction owing to its higher acidity (2560 μmol g –1 against 1940 μmol g –1 ) and surface area (671 m 2 g –1 vs 230 m 2 g –1 ). These findings highlight the potential of DME as a sustainable energy source and emphasize the importance of optimizing catalyst preparation to improve the DME production efficiency and cost-effectiveness.

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 seuil0,002

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 Opus0,005
Tête enseignante GPT0,227
Écart entre enseignants0,222 · 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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207