MétaCan
Menu
Retour à la cohorte
Enregistrement W4409525273 · doi:10.1016/j.ijhydene.2025.04.217

Enhanced CO2 methanation over Ni-based catalysts: a comparative study on silica and alumino-silicate supports

2025· article· en· W4409525273 sur OpenAlexaff
Matteo Tommasi, Alice Gramegna, Alessandro Di Michele, Ermelinda Falletta, Federico Galli, Laura Prati, Ceri Hammond, Ilenia Rossetti

Notice bibliographique

RevueInternational Journal of Hydrogen Energy · 2025
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesMinistero dell'Università e della RicercaFondazione CariploEuropean CommissionRoyal Society
Mots-clésMethanationSilicateCatalysisAluminosilicateMaterials scienceChemical engineeringChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Various catalysts were prepared through wet impregnation of a Ni precursor. Different supports (SiO 2 , SiO 2 Fumed and ZSM-5) and metal loadings were used, yielding catalysts with different specific surface area, metal support interaction and Ni dispersion. All catalysts showed the presence of a crystalline phase referable to NiO as precursor of the Ni active phase. SEM-EDX analysis confirmed a uniform distribution of the active phase on the support. H 2 -TPR analysis allowed to discriminate between two metal oxide reduction temperatures, indicative of metal dispersion and metal-support interaction strength. Provided that the overall peaks intensity increased with raising Ni loading, raising the Ni content led to a higher increase in intensity of a low reduction temperature peak with respect to higher temperature ones. This was attributed to weak interaction between the NiO and the support and bulker metal particles at high metal concentration. The reduction feature separated in two clearly identifiable reduction peaks for the samples with 45 wt% Ni loading. Experimental tests conducted at atmospheric pressure showed very promising results for the catalysts with the highest Ni-loading with the Silica support. Significant differences between the use of SiO 2 and SiO 2 Fumed were found. SiO 2 Fumed supported materials showed a very high SSA, higher pore volume and bigger pore width compared to the other catalysts. A higher NiO reducibility was correlated for all tests with a higher activity towards CO 2 methanation. The bests results have been obtained with 36 wt% and 45 wt% Ni/SiO 2 Fumed. These materials showed the highest CO 2 conversion at 413 °C and 390 °C respectively, with 99 % selectivity towards methane in both cases. Of all of them, the 36 % Ni/SiO 2 Fumed allowed to achieve complete selectivity toward methane at about 390 °C. Ni/SiO 2 Fumed material showed extremely promising results when compared to catalysts reported in literature. Furthermore, the activity and selectivity obtained in the present work referred to a relatively high time factor (Qt/W of 60000 mL h −1 g cat −1 ), demonstrating the achievement of CO 2 conversions close to thermodynamic values at low temperatures, with full selectivity to methane under conditions where very high productivity can be obtained with small reactor volume. This leaves considerable room for optimizing operating conditions, to further improve the catalytic performances. • Active silica- and zeolite-supported Ni catalysts for the methanation of CO 2 . • Activity correlated with Ni dispersion and interaction strength with the support. • 100 % selectivity to methane achieved when reaching thermodynamic conversion. • High hourly productivity of methane due to high activity at short contact time.

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 enseignants0,014
Score d'incertitude au seuil0,736

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,014
Tête enseignante GPT0,300
Écart entre enseignants0,286 · 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

Citations14
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Hydrogen EnergyMême sujetCatalysts for Methane ReformingTravaux en français237 207