Selective hydrogenation of dimethyl terephthalate to dimethyl 1,4‐cyclohexanedicarboxylate over zeolite‐supported Ru catalysts
Notice bibliographique
Résumé
Abstract Dimethyl 1,4‐cyclohexanedicarboxylate (DMCD) is an important chemical product, which is widely used in the synthesis of polyester resins, polyamides, and plasticizers. It is generally prepared via dimethyl terephthalate (DMT) selective hydrogenation. Herein, the zeolite (ZSM‐5‐25/50/100, ZSM‐35, MOR, and β)‐supported Ru catalysts were prepared and employed for DMT hydrogenation. Compared to the other zeolites, MOR‐supported Ru showed the best performance (DMT conversion: 100%, DMCD selectivity: 81.67% at the conditions of 180°C, 4 MPa H 2 , 3 h, 2‐propanol as solvent, and m(DMT):m(Cat.) = 5:1). After optimizing the reaction conditions, DMT conversion and DMCD selectivity finally reached 100% and 95.09%, respectively, at 140°C, 6 MPa H 2 , 4 h, ethyl acetate as solvent, and m(DMT):m(Cat.) = 2.5:1. Furthermore, Ru/MOR exhibited good reusability with no significant decrease after 5 cycles. The employed catalysts were comprehensively characterized by X‐ray diffraction (XRD), N 2 ‐physisorption, transmission electron microscopy (TEM), H 2 ‐TPR, NH 3 temperature‐programmed desorption (NH 3 ‐TPD), X‐ray photoelectron spectroscopy (XPS), inductively coupled plasma atomic emission spectrometry (ICP‐OES), and CO pulse experiment. The results indicated that Ru/MOR had higher Ru dispersion and stronger metal–support interaction. Moreover, Ru/MOR exhibited greater specific surface area and larger pore size, enhancing the adsorption efficiency of the reactants.
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 | 0,001 | 0,001 |
| 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 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 ».