MétaCan
Menu
Retour à la cohorte
Enregistrement W4406333748 · doi:10.3390/pr13010194

Coal Tar Naphtha Refining: Phenol Alkylation with 1-Hexene and the Impact of Pyridine

2025· article· en· W4406333748 sur OpenAlexaff
Arno de Klerk

Notice bibliographique

RevueProcesses · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésNaphthaChemistryPyridineOrganic chemistryAlkylationOlefin fiberCatalysisPhenolCoal liquefactionHydrodesulfurizationCoal

Résumé

récupéré en direct d'OpenAlex

Coal tar naphtha is produced from coal carbonization, moving bed coal gasification, and thermal liquefaction of coal. The naphtha can contain up to 60% aromatics and 15% olefins, as well as nitrogen-, oxygen-, and sulfur-containing compounds. Usually only hydrotreating is considered, but when producing motor gasoline, olefin–aromatic alkylation could reduce the associated octane number loss due to olefin hydrogenation by converting olefins to alkylated phenols and aromatics. The plausibility of using acid-catalyzed alkylation with coal tar naphtha, which contains nitrogen bases, was investigated by studying a model system comprising phenol and 1-hexene in the absence and presence of pyridine. It was found that pyridine only inhibited conversion over a range of amorphous silica–alumina catalysts. The most effective catalyst was Siral 30 (30% silica, 70% alumina) and at 315 °C, 0.05 wt% pyridine caused a 35% inhibition of phenol conversion compared to conversion in the absence of pyridine. Catalyst activity could be restored by rejuvenating the catalyst with clean feed at a higher temperature. The results supported a description of phenol alkylation with olefins that took place by at least two pathways, one involving protonation of the olefin (typical for Friedel–Crafts alkylation) and one where the olefin is the nucleophile.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,244
Score d'incertitude au seuil0,291

Scores Codex et Gemma par catégorie

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)0,0000,000

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 GPT0,219
Écart entre enseignants0,214 · 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 tête enseignante, 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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcessesMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207