Rhodium-doped iron oxides promoted by sodium for highly selective hydrogenation of CO2 to ethanol and C2+ hydrocarbons
Notice bibliographique
Résumé
Hydrogenation of CO2 to produce high-value C2 + products has gained great interest, but catalyst design for highly selective ethanol still remains a challenge. Herein, bifunctional catalysts of iron oxide promoted with rhodium and sodium, Na-Rh-FeOx and Rh-FeOx-Na, were prepared by using simple methods of incipient wetness impregnation (IWI) and coprecipitation. The former catalyst prepared via IWI, Na-Rh-FeOx, is remarkably efficient for the hydrogenation of CO2 to ethanol with high selectivity of 91 % at 200 °C in the liquid fraction. The latter catalyst synthesized solely through the coprecipitation in a sodium-containing medium, Rh-FeOx-Na, displayed the synergy effect to perform a better CO2 conversion of 23 % at 200 °C. Characterization of catalysts via XRD, XPS, N2 physisorption, CO2-TPD, and gas pulse-chemisorption reveals that different preparation methods influenced the dispersion of sodium particles. This property, in turn, impacts the ratio of hydrogen-activating sites to CO-adsorption sites, directly related to the balance between dissociative- and non-dissociative CO* intermediates, which is crucial for ethanol formation. Adding alkali metal facilitates the formation of iron carbide Fe5C2, known to be active for C–C propagation. Integrating Na-Rh-FeOx with ZSM-5 support further increased ethanol selectivity up to 97 % in liquid phase and 90 % in gas phase. By selecting a proper route for introducing alkali metals and combining with supports, the catalyst properties can be effectively tailored, thereby regulating the catalytic activity and selectivity.
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 | 0,000 | 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 | 0,001 |
| 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 ».