MétaCan
Menu
Retour à la cohorte
Enregistrement W4402420810 · doi:10.53293/jasn.2024.7423.1294

Green Fuel Innovation: Enhancing Biodiesel Production with MCM-41 Mesoporous Silica Catalysis

2024· article· en· W4402420810 sur OpenAlexaff
Hiba Kh. Ismaeel, Talib M. Albayati, Hayder A. Dhahad, Farah T. Al-Sudani, Issam K. Salih, Sohrab Zendehboudi

Notice bibliographique

RevueJournal of Applied Sciences and Nanotechnology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueBiodiesel Production and Applications
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMCM-41Biodiesel productionBiodieselMesoporous materialCatalysisMesoporous silicaProduction (economics)BusinessMaterials scienceChemical engineeringChemistryOrganic chemistryEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

In this study, mesoporous silica nanoparticles (MSNs) with a hexagonal structure and large surface area were synthesized via a sol-gel method. The properties of the synthesized MCM-41 catalyst were characterized using BET, EDX, XRD, and FTIR analyses. The results showed that the MCM-41 had a high surface area of 966 m2/g and large pore volume of about 0.91 cm3/g. Sunflower oil was converted to biodiesel in a batch reactor at different temperatures (40, 50, 60 °C), methanol-to-oil molar ratios (6:1, 9:1, 12:1), catalyst loadings (0.7, 0.9, 1.25 wt%), and reaction times (up to 80 min) using the prepared catalyst under atmospheric pressure. The biodiesel yield was found to reduce when the reaction time exceeded 1 hour despite maintaining the catalyst. The maximum biodiesel yield of 45% was obtained under optimal conditions of a 9:1 methanol-to-oil ratio, 1.25 wt% catalyst loading, 60 °C temperature, and 60 min reaction time. GC-MS analysis characterized the biodiesel composition and properties. The synthesized biodiesel showed improved properties compared to conventional fuels, with linoleic acid methyl ester (C17H34O2, 25.93%) as the main component. The MCM-41 catalyst exhibited remarkable catalytic activity and could be recovered, regenerated, and reused, reducing reaction costs. This makes it a potential alternative to homogeneous catalysts that complicate product separation.

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 Opus0,011
Tête enseignante GPT0,223
Écart entre enseignants0,212 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Sciences and NanotechnologyMême sujetBiodiesel Production and ApplicationsTravaux en français237 207