Promotional role of methanol and CO2 in carbon dioxide-rich syngas hydrogenation over slurry reactor utilizing combustion induced Cu-based catalysts
Notice bibliographique
Résumé
Converting CO 2 to methanol directly remains a hurdle due to catalyst and thermodynamic limitations. This study proposes a solution: using Cu–MgO–CeO 2 (CuMgCe) catalysts (synthesized by solvent combustion) in slurry reactors for methanol formation through methanol-assisted CO 2 -rich syngas hydrogenation. The key innovation lies in the catalyst design by focusing on CO 2 -rich syngas mixtures, we establish a crucial link between catalyst structure and its activity (structure-activity relationship). Our CuMgCe catalyst achieves a space-time yield of 646 g MeOH /kg cat -h −1 , exceeding lab-made industrial catalysts (608.5 g MeOH /kg cat -h −1 ). This yield is further boosted by 5% through an ingenious method - adding initial methanol, which promotes formate intermediates for enhanced productivity. In-depth analysis reveals CO 2 formation during CO-TPD-MS and CO-TPR-MS, generating highly active surface species (CO 2 δ− ) ideal for forming formate intermediates. In-situ DRIFTS confirms the dominance of this formate pathway on CuMgCe for selective methanol synthesis . A mechanistic study sheds light on the synergistic effect of MgO and CeO 2 in the lab-prepared CuMgCe catalyst. This synergy promotes methanol formation during CO 2 -cofed syngas conversion. This research paves the way for highly efficient and selective catalysts for CO 2 utilization in slurry reactor technology, offering a significant step towards cleaner fuel production.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».