The effect of catalyst particle size and temperature on CNT growth on supported Fe catalysts during methane pyrolysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Iron catalysts supported on magnesium aluminate at different loadings were used in methane pyrolysis between 700 and 850 °C to evaluate the effect of particle size on the amount and properties of carbon nanotubes (CNT). All particles associated with CNTs were detached from the support, exhibiting a tip-growth mechanism. The lowest-loading catalysts with the average particle size of 6 nm produced the most carbon products with the lowest defect-to-graphite intensity ratios in Raman spectroscopy (0.13) when the reactor was at the lowest temperature. Higher temperatures led to iron particle sintering and lower carbon accumulation; at 850 °C, the thermal contribution to the total carbon mass was significant, catalyst particle encapsulation with graphite occurred and there was no CNT formation. There was no difference in the diameter of CNTs produced at different temperatures when the tubes were associated with the same Fe particle size, while reactions at the same temperature but different particle sizes produced CNTs of various diameters. The same correlation of CNT diameter with Fe particle size, rather than temperature, was observed in the characteristics of Raman spectra. This work provides evidence of the importance of particle size control and lower methane pyrolysis temperatures to enable enhanced production of CNT with higher quality. • Fe/MgAl 2 O 4 catalysts with various Fe loadings were tested in CH 4 pyrolysis. • Lower temperatures and lowest Fe loading favoured higher carbon yield. • Smaller particles associated with lower temperatures resulted in high-quality CNT.
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.
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 | 0,000 | 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 découle