Advanced computational modelling for biofuel catalyst optimization: enhancing beta zeolite acidity for oleic acid upgrading
Notice bibliographique
Résumé
We explore here, through reactive force field (ReaxFF) molecular dynamics simulations, oleic acid upgrading on beta zeolite (BEA) regulated with nine silica-to-aluminium ratios (SARs) to investigate their acid-catalyzed deoxygenation and coking susceptibility. The selected computational descriptors involved conversion, hydrodeoxygenation, and decarboxylation/decarbonylation selectivity, biofuels yield, and coke deposition characteristics. Simulations were validated by 20.3 SAR available experimental data and used for the systematic study. High deoxygenation selectivity was found to be related to the structural sensitivity of BEA(100) on the upgrading mechanism. ReaxFF simulations revealed that altering the Al-substitution could greatly promote biofuel formation. Specifically, SARs towards the mid-region (SAR 47) favored gasoline production, while 31 SAR exploited diesel-like hydrocarbons. An optimum ratio of 37.4 SAR achieved maximum oleic acid conversion (69.8%), with high yields of gasoline and diesel fuels (15.6 and 20.4 wt%, respectively) and moderate coking (8.6 wt%). Density functional theory screening of metallic dopants allowed investigating of their deoxygenation and coke susceptibility, obtaining that Cu-BEA structure favored the optimal carbon and O-moiety adsorption (-3.89 and -1.8 eV, respectively). Furthermore, the economic and environmental analysis showed that Cu-dopped BEA displayed the lowest market price and global warming potential (71 USD/kg and 2.8 kg CO2-eq/kg).
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».